Optimizing Rankings for Recommendation in Matching Markets
Optimizing Rankings for Recommendation in Matching Markets
复制标题
优化匹配市场推荐排名
DOI：
10.1145/3485447.3511961
复制
发表时间：
2022
期刊：
影响因子：
--
通讯作者：
Joachims, Thorsten
中科院分区：
文献类型：
--
作者：
Su, Yi;Bayoumi, Magd;Joachims, Thorsten
基于推荐系统在电子商务和娱乐领域的成功，人们对将其应用于求职等匹配市场的兴趣越来越大。虽然这具有改善市场流动性和公平性的潜力，但我们在本文中表明，天真地将现有的推荐系统应用于匹配市场是次优的。考虑到候选人申请和雇主评估的标准流程，我们提出了一个新的推荐框架来模拟这种互动机制，并提出了在这种设置下计算个性化排名的有效算法。我们表明，最优排名不仅需要考虑候选人和雇主潜在的不同偏好，还需要考虑能力限制。这使得仅根据某些局部分数（例如，单侧或相互相关性）进行排名的传统排名系统非常不理想——不仅对个人用户如此，对社会目标（例如，低失业率）也是如此。为了解决这一缺陷，我们提出了第一种方法，即对市场上所有候选人的排名进行联合优化，以明确地最大化社会福利。除了理论推导之外，我们还在模拟环境和来自真实世界网络推荐系统的数据上评估了该方法，该系统是我们构建并在大型计算机科学会议上发布的。
Based on the success of recommender systems in e-commerce and entertainment, there is growing interest in their use in matching markets like job search. While this holds potential for improving market fluidity and fairness, we show in this paper that naively applying existing recommender systems to matching markets is sub-optimal. Considering the standard process where candidates apply and then get evaluated by employers, we present a new recommendation framework to model this interaction mechanism and propose efficient algorithms for computing personalized rankings in this setting. We show that the optimal rankings need to not only account for the potentially divergent preferences of candidates and employers, but they also need to account for capacity constraints. This makes conventional ranking systems that merely rank by some local score (e.g., one-sided or reciprocal relevance) highly sub-optimal — not only for an individual user, but also for societal goals (e.g., low unemployment). To address this shortcoming, we propose the first method for jointly optimizing the rankings for all candidates in the market to explicitly maximize social welfare. In addition to the theoretical derivation, we evaluate the method both on simulated environments and on data from a real-world networking-recommendation system that we built and fielded at a large computer science conference.
登录
查看更多内容
DOI：
--
发表时间：
2014-12
期刊：
The World Wide Web Conference
影响因子：
--
作者：
Chongjie Zhang;J. Shah
通讯作者：
Chongjie Zhang;J. Shah
数学晶体学中的晶格问题
DOI：
--
发表时间：
2020
期刊：
影响因子：
--
作者：
折田 充;小林 景;村里 泰昭;吉井 誠;Richard Lavin;相澤 一美;Ryoko Oishi-Tomiyasu;富安 (大石) 亮子
通讯作者：
富安 (大石) 亮子
了解在线约会中的用户偏好
DOI：
--
发表时间：
2010
期刊：
影响因子：
--
作者：
L. Pizzato;Thomas Chung;Tomek Rej;I. Koprinska;K. Yacef;J. Kay
通讯作者：
J. Kay
论公平匹配算法的存在性
DOI：
--
发表时间：
1989
期刊：
影响因子：
--
作者：
F. Masarani;S. Gokturk
通讯作者：
S. Gokturk