通过先验加权评分系统设计中权衡生产者公平与效率

在线市场使用评分系统来促进高质量产品的发现。然而，这些系统也导致生产者的经济结果存在高方差：一个销售高质量产品的新生产者，可能不幸在早期获得低评分，严重影响其未来人气。我们研究了在识别高质量产品（“效率”）与最小化同类质量生产者结果方差（个体“生产者公平”）这两个目标间取得平衡的评分系统设计。我们表明这两个目标间存在权衡：促进效率的评分系统必然对生产者的个体公平性较低。我们引入先验加权评分系统作为管理此权衡的方法。非正式地，我们提出的系统为 incoming 产品的质量设定一个系统级先验；随后，系统基于随时间累积的用户生成评分将该先验更新为各产品质量的后验。我们理论上证明，在 products 以相等速率累积评论的市场中，评分系统先验的强度决定了所识别权衡上的运行点：先验越强，市场对边早期评分数据的折扣越多（提升个体公平性），但平台学习真实物品质量的速度越慢（效率受损）。我们进一步在客户基于历史评分做决策的响应性市场中分析此权衡。通过在源自大型在线平台的 19 个不同真实数据集上的校准仿真，我们表明先验强度的选择在该设定下调节了同样的效率-一致性权衡。总体而言，我们证明通过将先验作为先验加权评分系统中的设计选择进行调参，平台可以有意识地平衡效率与生产者公平。