最优二元评分系统的设计

现代在线平台依赖有效的评分系统来了解物品。我们考虑收集交易后二元反馈的评分系统的最优设计。我们做出了三点贡献。首先，我们将评分系统的性能形式化为其在很大程度上偏差意义下恢复物品真实潜在排序的速度，同时考虑物品潜在的匹配率和平台的偏好。其次，我们提供了一种高效算法来计算具有最高此类性能的二元反馈系统。最后，我们展示了这一理论视角如何用于经验性地设计一个可实施的、近似最优的评分系统，并使用在 Amazon Mechanical Turk 上收集的真实世界实验数据验证了我们的方法。