MAPress
مقاله تطبیق کاربران و سازندگان در بازارهای دو طرفه با عزیمت ها

مقاله تطبیق کاربران و سازندگان در بازارهای دو طرفه با عزیمت ها

تگ‌ها: Computer Science and Game Theory General Economics Machine Learning Social and Information Networks اقتصاد عمومی شبکه های اجتماعی و اطلاعاتی علوم کامپیوتر و نظریه بازی یادگیری ماشین

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی Matching of Users and Creators in Two-Sided Markets with Departures
عنوان مقاله به فارسی مقاله تطبیق کاربران و سازندگان در بازارهای دو طرفه با عزیمت ها
نویسندگان Daniel Huttenlocher, Hannah Li, Liang Lyu, Asuman Ozdaglar, James Siderius
زبان مقاله انگلیسی
فرمت مقاله: PDF
تعداد صفحات 79
دسته بندی موضوعات Computer Science and Game Theory,Machine Learning,Social and Information Networks,General Economics,علوم کامپیوتر و نظریه بازی , یادگیری ماشین , شبکه های اجتماعی و اطلاعاتی , اقتصاد عمومی ,
توضیحات Submitted 17 January, 2024; v1 submitted 30 December, 2023; originally announced January 2024.
توضیحات به فارسی ارسال شده 17 ژانویه 2024 ؛V1 ارسال شده 30 دسامبر 2023 ؛در ابتدا ژانویه 2024 اعلام شد.

چکیده

Many online platforms of today, including social media sites, are two-sided markets bridging content creators and users. Most of the existing literature on platform recommendation algorithms largely focuses on user preferences and decisions, and does not simultaneously address creator incentives. We propose a model of content recommendation that explicitly focuses on the dynamics of user-content matching, with the novel property that both users and creators may leave the platform permanently if they do not experience sufficient engagement. In our model, each player decides to participate at each time step based on utilities derived from the current match: users based on alignment of the recommended content with their preferences, and creators based on their audience size. We show that a user-centric greedy algorithm that does not consider creator departures can result in arbitrarily poor total engagement, relative to an algorithm that maximizes total engagement while accounting for two-sided departures. Moreover, in stark contrast to the case where only users or only creators leave the platform, we prove that with two-sided departures, approximating maximum total engagement within any constant factor is NP-hard. We present two practical algorithms, one with performance guarantees under mild assumptions on user preferences, and another that tends to outperform algorithms that ignore two-sided departures in practice.

چکیده به فارسی (ترجمه ماشینی)

بسیاری از سیستم عامل های آنلاین امروزه ، از جمله سایت های رسانه های اجتماعی ، بازارهای دو طرفه هستند که سازندگان محتوا و کاربران را پل می کنند.بیشتر ادبیات موجود در مورد الگوریتم های توصیه پلتفرم تا حد زیادی بر ترجیحات و تصمیمات کاربر متمرکز است و همزمان به مشوق های خالق نمی پردازد.ما مدلی از توصیه محتوا را پیشنهاد می کنیم که صریحاً بر پویایی تطبیق محتوای کاربر متمرکز است ، با این ویژگی جدید که ممکن است کاربران و سازندگان در صورت عدم تجربه کافی ، این سیستم عامل را به طور دائم ترک کنند.در مدل ما ، هر بازیکن تصمیم می گیرد در هر مرحله بر اساس برنامه های حاصل از مسابقه فعلی شرکت کند: کاربران بر اساس تراز محتوای توصیه شده با ترجیحات خود و سازندگان بر اساس اندازه مخاطبان خود.ما نشان می دهیم که یک الگوریتم حریص کاربر محور که عزیمت سازنده را در نظر نمی گیرد ، می تواند به تعامل کامل خودسرانه ضعیف منجر شود ، نسبت به الگوریتمی که در حالی که حساب می کند برای عزیمت دو طرفه ، حداکثر تعامل را به حداکثر می رساند.علاوه بر این ، برخلاف مواردی که فقط کاربران یا فقط سازندگان این سکو را ترک می کنند ، ما ثابت می کنیم که با عزیمت های دو طرفه ، حداکثر درگیری کل در هر عامل ثابت ، NP-Hard است.ما دو الگوریتم عملی را ارائه می دهیم ، یکی با تضمین عملکرد تحت فرضیات خفیف در مورد ترجیحات کاربر ، و دیگری که تمایل به بهتر از الگوریتم هایی دارد که در عمل نادیده گرفته می شود.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.