Altruistic Bandit Learning For One-to-Many Matching Markets
Notice bibliographique
Résumé
The decision-making of the agents in a matching is led by their preferences. Two-sided matching with known preferences of the agents has been studied for a long time. Present-day matching applications require considering stochastic environments where the agents learn their preferences iteratively through explorations. Competition arises when multiple agents attempt to pair with an agent. Such competitions can be resolved when the preferences of the agents being competed for are known. A recent study of modelling multi-arm bandit learning as two-sided matching with known preferences for the agents of one side has been conducted. In a real scenario, the learning agents may compete excessively for a few agents. Some learning agents may only be compatible to make a pair with those few competitive agents. The number of unmatched agents tends to be more in such cases. We propose an altruistic bandit learning model for one-to-many matching where learning agents sacrifice their choices to disburden competition from the highly desired agents. The model decreases the chances of agents with limited pairing options remaining unmatched, and the cardinality of the matching increases as a result. This model is compatible with applications in humanitarian operations where stability-cardinality trade-off exists, such as homeless shelter matching. We structure the model using the upper confidence bound algorithm. We experimented with diverse-sized and valued synthetic instances. The results indicate a satisfactory increment of matching cardinality while the reward loss of the sacrificing agents is optimistically acceptable. That justifies the model as a fair and useful two-sided matching mechanism with unknown preferences for one side.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».