論文の概要: Source-Aware Dynamic Pricing with Strategic Buyers
- arxiv url: http://arxiv.org/abs/2610.22516v1
- Date: Thu, 15 Oct 2026 18:10:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-20 00:56:07.619011
- Title: Source-Aware Dynamic Pricing with Strategic Buyers
- Title（参考訳）: 戦略的買い手によるソース認識動的価格設定
- Abstract要約: 戦略的買い手によるコンテキスト動的価格設定のためのソース認識フレームワークを導入する。
我々はソース・アウェア・ローカライズド・ローカライズド・サーベイとキャリブレーション・エクスプロイテーション・プライオリティ・ポリシーを開発した。
本研究は,戦略的買い手との動的価格設定に情報提供を組み込むための理論的,実践的な枠組みを初めて提供するものである。
- 参考スコア（独自算出の注目度）: 2.532553954909495
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In modern commerce, firms and platforms typically use customer features from different sources to personalize prices: some features are verified using seller records or third-party data, while others are self-reported and may be strategically manipulated by buyers seeking lower prices. We therefore introduce a novel source-aware framework for contextual dynamic pricing with strategic buyers in a high-dimensional semiparametric setting, where buyer valuations follow a sparse linear model with an unknown noise distribution. To account for differences in manipulability across feature sources while enabling effective valuation learning, we develop the Source-Aware Localized exploration and calibrated Exploitation (SALE) pricing policy, which draws on verified features to localize price exploration and combines verified and reported features to correct for strategic manipulation during exploitation. Our localized exploration design allows converting binary purchase feedback into unbiased signals of conditional mean valuations, yielding a new population equation that supports consistent sparse estimation despite non-i.i.d. buyer arrivals. Building on this estimate, we develop a localized empirical-process analysis that exploits intrinsic sparse geometry to establish uniform guarantees for nonparametric estimation of the noise distribution in the high-dimensional setting. With these estimation guarantees, we establish SALE's self-recovery property, which keeps localized exploration valid with high probability and leads to a sublinear expected regret bound. Both simulation studies and real-data experiments demonstrate the appealing performance of SALE. To the best of our knowledge, our study is the first to provide a theoretical and practical framework for incorporating information provenance into dynamic pricing with strategic buyers.
- Abstract（参考訳）: 現代の商業では、企業やプラットフォームは通常、異なるソースからの顧客機能を使用して価格をパーソナライズする。
そこで我々は,高次元半パラメトリック設定において,戦略的買い手によるコンテキスト動的価格設定のための新しい枠組みを導入する。
効果的な評価学習を可能にしつつ,特徴源間のマニピュラビリティの差異を考慮し,価格探索をローカライズするための検証済み機能と,評価済み機能と報告済み機能を組み合わせて,評価中の戦略的操作を正すためのソース・アウェア・ローカライズド・ローカライズド・エクスプロイテーション(SALE)の価格ポリシを開発する。
局所的な探索設計により、二分購入フィードバックを条件付き平均評価のバイアスのない信号に変換することができ、非i.d.購入者の到着にもかかわらず一貫したスパース推定をサポートする新しい人口方程式が得られる。
この推定に基づいて,本研究では,高次元環境下での雑音分布の非パラメトリック推定のための均一な保証を確立するために,固有スパース形状を利用した局所的実験プロセス解析を開発した。
これらの推定保証により、SALEの自己回復性を確立し、局所的な探索を高い確率で有効に保ち、サブ線形で予測される後悔境界を導出する。
シミュレーション研究と実データ実験の両方がSALEの魅力を実証している。
我々の知識を最大限に活用するために,戦略的買い手との動的価格設定に情報提供を組み込む理論的かつ実践的な枠組みを初めて提供する。
関連論文リスト
- How to Purchase Labels? A Cost-Effective Approach Using Active Learning Markets [2.7429630700600893]
ラベルの購入手段として,アクティブな学習市場を紹介し,分析する。
これは、機能やサンプルを購入するためにすでに存在する多くの提案とは対照的である。
本稿では,単元単元単元単元単元単元単元単元単元単元単元単元単元単元単元単元単元単元単元単元単元単元単元単元単元単元単元単元単元単元単元単元単元単元単元単元単元単元単元単
論文 参考訳（メタデータ） (2025-11-25T18:34:33Z) - Cost-Optimal Active AI Model Evaluation [71.2069549142394]
生成AIシステムの開発には、継続的な評価、データ取得、アノテーションが必要である。
我々は、安価だがしばしば不正確で弱いレーダの使用を積極的にバランスさせる新しいコスト認識手法を開発した。
我々は、弱者と強者の間で所定のアノテーション予算を割り当てるためのコスト最適化政策のファミリーを導出する。
論文 参考訳（メタデータ） (2025-06-09T17:14:41Z) - Model-free Methods for Event History Analysis and Efficient Adjustment (PhD Thesis) [55.2480439325792]
この論文は、モデルフリーの観点から統一された統計学への独立した貢献のシリーズである。
第1章では、機械学習から予測技術を活用する柔軟なメソッドを定式化するために、モデルフリーの視点をどのように利用できるか、詳しく説明している。
第2章では、あるプロセスの進化が他のプロセスに直接影響されるかどうかを記述した地域独立の概念を研究している。
論文 参考訳（メタデータ） (2025-02-11T19:24:09Z) - Transfer Learning for Nonparametric Contextual Dynamic Pricing [17.420508136662257]
動的価格戦略は、市場条件や顧客特性に基づいて価格を調整することで、企業が収益を最大化する上で不可欠である。
この制限を克服するための有望なアプローチの1つは、関連する製品や市場からの情報を活用して、焦点となる価格決定を知らせることである。
本稿では,ソースドメインからの事前収集データを効果的に活用し,対象ドメインの価格決定を効率化する,新しいTLDPアルゴリズムを提案する。
論文 参考訳（メタデータ） (2025-01-31T01:05:04Z) - Source-Free Domain-Invariant Performance Prediction [68.39031800809553]
本研究では,不確実性に基づく推定を主軸としたソースフリー手法を提案する。
オブジェクト認識データセットのベンチマーク実験により、既存のソースベースの手法は、限られたソースサンプルの可用性で不足していることが判明した。
提案手法は,現在の最先端のソースフリーおよびソースベース手法よりも優れており,ドメイン不変性能推定の有効性が確認されている。
論文 参考訳（メタデータ） (2024-08-05T03:18:58Z) - Minimax Optimality in Contextual Dynamic Pricing with General Valuation Models [8.981637739384674]
意思決定者は、観測可能なコンテキストに基づいてパーソナライズされた価格を投稿する。
それぞれのバリュエーションはコンテキストの未知の潜在関数としてモデル化され、独立性と同一に分散された市場ノイズによって破損する。
論文 参考訳（メタデータ） (2024-06-24T23:43:56Z) - An Offline Learning Approach to Propagator Models [3.1755820123640612]
まず、静的データセットから未知の価格影響カーネルを推定するエージェントに対して、オフラインで学習する問題を考察する。
本稿では,価格トラジェクトリ,トレーディング信号,メタオーダーを含むデータセットからプロパゲータを非パラメトリックに推定する手法を提案する。
提案手法では,提案手法を純粋に活用することで,実行コストを最小化しようとするトレーダーが準最適に遭遇することを示す。
論文 参考訳（メタデータ） (2023-09-06T13:36:43Z) - Leveraging Unlabeled Data to Predict Out-of-Distribution Performance [63.740181251997306]
実世界の機械学習デプロイメントは、ソース(トレーニング)とターゲット(テスト)ディストリビューションのミスマッチによって特徴づけられる。
本研究では,ラベル付きソースデータとラベルなしターゲットデータのみを用いて,対象領域の精度を予測する手法を検討する。
本稿では,モデルの信頼度をしきい値として学習し,精度をラベルなし例のごく一部として予測する実践的手法である平均閾値保持信頼度(ATC)を提案する。
論文 参考訳（メタデータ） (2022-01-11T23:01:12Z) - Distribution-free Contextual Dynamic Pricing [5.773269033551628]
コンテキスト動的価格設定は、顧客との逐次的なインタラクションに基づいてパーソナライズされた価格を設定することを目的としている。
本稿では,未知のランダムノイズを伴う文脈的動的価格を評価モデルで検討する。
我々の流通自由価格政策は、コンテキスト関数と市場ノイズの両方を同時に学習する。
論文 参考訳（メタデータ） (2021-09-15T14:52:44Z) - Learning Bias-Invariant Representation by Cross-Sample Mutual
Information Minimization [77.8735802150511]
対象タスクが誤用したバイアス情報を除去するために,クロスサンプル対逆脱バイアス法(CSAD)を提案する。
相関測定は, 対向的偏り評価において重要な役割を担い, クロスサンプル型相互情報推定器によって行われる。
我々は,提案手法の最先端手法に対する利点を検証するために,公開データセットの徹底的な実験を行った。
論文 参考訳（メタデータ） (2021-08-11T21:17:02Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。