通过贝叶斯评级系统设计平衡生产者公平性和效率
摘要：在线市场使用评级系统来促进优质产品的发现。然而，这些系统也导致生产者经济结果的高变异性：一个销售高质量商品的新生产者，可能由于运气不好，在早期获得一个低评级，从而对未来客户的人气产生负面影响。我们研究了平衡识别高质量产品（“效率”）和减小相似质量生产者经济结果变异性（个体“生产者公平性”）目标的评级系统设计。我们观察到这两个目标之间存在权衡：促进效率的评级系统对生产者来说不公平。我们引入了贝叶斯评级系统作为解决这种权衡的方法。我们提出的系统在进入产品的质量上设置了整体系统先验，随后根据用户生成的评级随时间更新系统对质量的贝叶斯后验。通过校准模拟，我们展示了先验的强度直接决定了识别出的权衡的操作点：先验越强，市场将越低估早期评级数据（从而增加个体生产者的公平性），但平台对真实产品质量的了解速度越慢（从而效率下降）。重要的是，目前的评级聚合方法——显示评级的样本均值——是设计空间中的一个极端点，最大程度地优先考虑了效率而牺牲了生产者的公平性。相反，通过选择适当设置先验的贝叶斯评级系统设计，平台可以有意地在效率和生产者公平性之间进行权衡的重要选择。
作者：Thomas Ma, Michael S. Bernstein, Ramesh Johari, Nikhil Garg
论文ID：2207.04369
分类：Applications
分类简称：stat.AP
提交时间：2023-02-20