众包定价中奖金的作用
计算机科学与博弈论
2021-10-28 v4
摘要
我们考虑众包系统的一种简单定价形式，其中定价策略事先公布，工人随后决定是否接受任务。这种定价形式因其简单性在实践中被广泛采用（例如Amazon Mechanical Turk），尽管定价规则的额外复杂性可以提高预算效率。为了设计高效且简单的定价规则，我们研究了定价策略中以下两个设计特征的影响：(i) 针对每个工人定制的个性化策略，以及(ii) 对合格任务完成的奖金支付。在贝叶斯设置中，仅已知工人概况的先验分布，我们首先研究了不可知论代价(PoA)，它量化了个性化定价与通用定价策略之间的效用差距。我们表明，在温和条件下，PoA被限制在常数因子内，并且奖金在通用定价中至关重要。这些分析结果表明，一旦配备适当的奖金支付，复杂的个性化定价可以被简单的通用定价取代。为了提供对高效通用定价的见解，我们随后研究了实践中可能存在的几种概况分布机制下的奖金支付高效机制。我们在Amazon Mechanical Turk上提供了初步实验，支持了我们的分析发现。
引用
@article{arxiv.1804.03178,
title = {Power of Bonus in Pricing for Crowdsourcing},
author = {Suho Shin and Hoyong Choi and Yung Yi and Jungseul Ok},
journal= {arXiv preprint arXiv:1804.03178},
year = {2021}
}