Submitted 23 August, 2024; originally announced August 2024. , Comments: We study an online fair division problem that has a large number of items with only a few copies of each item and propose contextual bandits-based algorithms with sub-linear regret guarantees
توضیحات به فارسی
ارسال شده 23 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد. ، نظرات: ما یک مشکل تقسیم عادلانه را مطالعه می کنیم که تعداد زیادی از موارد با چند نسخه از هر مورد دارد و الگوریتم های مبتنی بر راهزنان متنی را با ضمانت های پشیمانی زیر خطی پیشنهاد می کنیم
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 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
چکیده
This paper considers a novel online fair division problem involving multiple agents in which a learner observes an indivisible item that has to be irrevocably allocated to one of the agents while satisfying a fairness and efficiency constraint. Existing algorithms assume a small number of items with a sufficiently large number of copies, which ensures a good utility estimation for all item-agent pairs. However, such an assumption may not hold in many real-life applications, e.g., an online platform that has a large number of users (items) who only use the platform's service providers (agents) a few times (a few copies of items), which makes it difficult to estimate the utility for all item-agent pairs. To overcome this challenge, we model the online fair division problem using contextual bandits, assuming the utility is an unknown function of the item-agent features. We then propose algorithms for online fair division with sub-linear regret guarantees. Our experimental results also verify the different performance aspects of the proposed algorithms.
چکیده به فارسی (ترجمه ماشینی)
در این مقاله یک مشکل جدید تقسیم عادلانه جدید شامل چندین عامل در نظر گرفته شده است که در آن یک یادگیرنده یک مورد غیرقابل تفکیک را مشاهده می کند که باید ضمن رضایت از انصاف و محدودیت کارآیی ، به طور غیرقابل برگشت به یکی از عوامل اختصاص یابد.الگوریتم های موجود تعداد کمی از موارد را با تعداد کافی از نسخه ها فرض می کنند ، که تخمین ابزار خوبی را برای همه جفت های عامل مورد نظر تضمین می کند.با این حال ، چنین فرضی ممکن است در بسیاری از برنامه های زندگی واقعی ، به عنوان مثال ، یک بستر آنلاین که تعداد زیادی از کاربران (موارد) دارد که فقط چند بار از ارائه دهندگان خدمات پلتفرم (نمایندگان) استفاده می کنند (چند نسخه از موارد) استفاده کند.، که تخمین ابزار برای همه جفت های عامل را دشوار می کند.برای غلبه بر این چالش ، ما مشکل تقسیم عادلانه را با استفاده از راهزنان متنی الگوبرداری می کنیم ، با فرض اینکه این ابزار یک تابع ناشناخته از ویژگی های عامل مورد است.سپس ما الگوریتم هایی را برای تقسیم عادلانه آنلاین با ضمانت های پشیمانی زیر خطی پیشنهاد می کنیم.نتایج تجربی ما همچنین جنبه های مختلف عملکرد الگوریتم های پیشنهادی را تأیید می کند.
📚 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.
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 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
