Keywords
批次处理, 双向公平性, 团队组建, 扩展切割平面
Paper Number
TR-2513
Paper Type
Complete
Abstract
团队在解决复杂任务时通常比个人更有效，许多在线平台都鼓励协作。然 而，平台参与者在组建团队时面临许多挑战，包括高昂的搜索成本以及对候 选人能力和合作意愿的不确定性。另一方面，平台可以通过利用参与者的 历史数据向请求者推荐合适的合作者。当许多参与者请求合作推荐时，处 理接近同时到达的请求可以使平台受益。如果不考虑对利益相关者的影响， 这样做可能会对某些人造成更大的伤害——例如，一些候选人可能会被推 荐给多个请求者，而其他候选人则被忽视。通过限制候选人在给定时间内被 推荐的次数来实施候选人一侧的公平性可能会对请求者产生不利影响。我 们提出了一种团队推荐系统，通过最小化对任何请求者的最大伤害来保持 对请求者的公平性。大量实验验证了我们方法的有效性。
Recommended Citation
Liu, Yihong; Menon, Syam; and Sarkar, Sumit, "在线平台中团队推荐的批次处理与公平性" (2025). ICIS 2025 Proceedings. 47.
https://aisel.aisnet.org/icis2025/translated/translated/47
在线平台中团队推荐的批次处理与公平性
团队在解决复杂任务时通常比个人更有效，许多在线平台都鼓励协作。然 而，平台参与者在组建团队时面临许多挑战，包括高昂的搜索成本以及对候 选人能力和合作意愿的不确定性。另一方面，平台可以通过利用参与者的 历史数据向请求者推荐合适的合作者。当许多参与者请求合作推荐时，处 理接近同时到达的请求可以使平台受益。如果不考虑对利益相关者的影响， 这样做可能会对某些人造成更大的伤害——例如，一些候选人可能会被推 荐给多个请求者，而其他候选人则被忽视。通过限制候选人在给定时间内被 推荐的次数来实施候选人一侧的公平性可能会对请求者产生不利影响。我 们提出了一种团队推荐系统，通过最小化对任何请求者的最大伤害来保持 对请求者的公平性。大量实验验证了我们方法的有效性。
When commenting on articles, please be friendly, welcoming, respectful and abide by the AIS eLibrary Discussion Thread Code of Conduct posted here.
Comments
07-DataAnalytics