研究人员开发了一个新颖的框架，用于在双边市场中个性化政策，特别解决了不同用户群体之间目标冲突的挑战。该框架应用于一个招聘市场，以优化职位列表的免费价值阈值，旨在在遵守参与度护栏的同时改进目标指标。该系统集成了基于集成学习的混合排名模型进行多目标优化，以及一种处理效应外推方法，将实验结果推广到未经测试的政策级别，即使在约束性实验下也能有效实现个性化。 AI
影响 这项研究提供了一种在约束条件下优化市场政策的新方法，有望提高在线平台的用户体验和效率。
排序理由 该集群包含一篇详细介绍市场个性化新方法的论文。[lever_c_demoted from research: ic=1 ai=0.7]
- arXiv
- ensemble-based hybrid ranking models
- Hugging Face
- machine learning
- Personalizing Marketplace Policies with Competing Objectives and Constrained Experiments: Evidence from a Job Marketplace
- treatment effect extrapolation
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
