MétaCan
Menu
Retour à la cohorte
Enregistrement W2905815131 · doi:10.1287/ijoc.2022.1168

Dynamic Relaxations for Online Bipartite Matching

2022· article· en· W2905815131 sur OpenAlexaff
Alfredo Torrico, Alejandro Toriello

Notice bibliographique

RevueINFORMS journal on computing · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueOptimization and Search Problems
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésComputer scienceMatching (statistics)Bipartite graphHeuristicSet (abstract data type)Variety (cybernetics)RevenueMathematical optimizationOnline algorithmTheoretical computer scienceOperations researchMathematicsAlgorithmEconomicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Online bipartite matching (OBM) is a fundamental model underpinning many important applications, including search engine advertisement, website banner and pop-up ads, and ride hailing. We study the independent and identically distributed (i.i.d.) OBM problem, in which one side of the bipartition is fixed and known in advance, whereas nodes from the other side appear sequentially as i.i.d. realizations of an underlying distribution and must immediately be matched or discarded. We introduce dynamic relaxations of the set of achievable matching probabilities; show how they theoretically dominate lower dimensional, static relaxations from previous work; and perform a polyhedral study to theoretically examine the new relaxations’ strength. We also discuss how to derive heuristic policies from the relaxations’ dual prices in a similar fashion to dynamic resource prices used in network revenue management. We finally present a computational study to demonstrate the empirical quality of the new relaxations and policies. Summary of Contribution: Online bipartite matching (OBM) is one of the fundamental problems in the area of online decision analysis with a wide variety of applications in operations research and computer science, for example, online advertising, ride sharing, and general resource allocation. Over the last decades, both communities have been interested in the design and analysis of new approaches. Our main contribution is to provide a polyhedral study that considers the problem’s sequential nature. Specifically, we achieve this via dynamic relaxations. We also discuss how to derive heuristic policies from the relaxations’ dual prices. We support our theoretical findings with a detailed computational study.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,022
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,048

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,022
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,002
Communication savante0,0020,004
Science ouverte0,0030,002
Intégrité de la recherche0,0020,005
Charge utile insuffisante (le modèle a refusé de juger)0,0140,002

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,026
Tête enseignante GPT0,308
Écart entre enseignants0,282 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueINFORMS journal on computingMême sujetOptimization and Search ProblemsTravaux en français237 207