[論文レビュー] Online Algorithms for Matching Platforms with Multi-Channel Traffic

Vahideh Manshadi, Scott Rodilitz+2 more|arXiv (Cornell University)|Mar 28, 2022

Optimization and Search Problems被引用数 4

ひとこと要約

この論文は、外部トラフィックが推薦システムを迂回する多チャネルトラフィックを扱うオンラインマッチングプラットフォーム向けに、適応的容量（AC）アルゴリズムを提案する。内部マッチと外部マッチを区別し、動的に容量割り当てを調整することで、ACは外部トラフィックの増加に伴い競合比が向上し、VolunteerMatchのような実世界の設定において理論的限界に近い、証明可能な最適性能境界を達成する。

ABSTRACT

Two-sided platforms rely on their recommendation algorithms to help visitors successfully find a match. However, on platforms such as VolunteerMatch (VM) -- which has facilitated millions of connections between volunteers and nonprofits -- a sizable fraction of website traffic arrives directly to a nonprofit's volunteering page via an external link, thus bypassing the platform's recommendation algorithm. We study how such platforms should account for this external traffic in the design of their recommendation algorithms, given the goal of maximizing successful matches. We model the platform's problem as a special case of online matching, where (using VM terminology) volunteers arrive sequentially and probabilistically match with one opportunity, each of which has finite need for volunteers. In our framework, external traffic is interested only in their targeted opportunity; by contrast, internal traffic may be interested in many opportunities, and the platform's online algorithm selects which opportunity to recommend. In evaluating different algorithms, we parameterize the competitive ratio based on the amount of external traffic. After demonstrating the shortcomings of a commonly-used algorithm that is optimal in the absence of external traffic, we propose a new algorithm -- Adaptive Capacity (AC) -- which accounts for matches differently based on whether they originate from internal or external traffic. We provide a lower bound on AC's competitive ratio that is increasing in the amount of external traffic and that is close to (and, in some regimes, exactly matches) the parameterized upper bound we establish on the competitive ratio of any online algorithm. We complement our theoretical results with a numerical study motivated by VM data that demonstrates the strong performance of AC and furthers our understanding of the difference between AC and other commonly-used algorithms.

研究の動機と目的

• 推薦アルゴリズムを迂回する外部リンク経由で流入するトラフィックの大部分が存在する二面的プラットフォームにおいて、成功マッチを最大化する課題に対処すること。
• プラットフォームの意思決定を、確率的到着と有限の機会容量を伴うオンラインマッチング問題としてモデル化すること。
• 外部トラフィックの割合に応じてパrameter化された性能に基づく、競合比分析を精緻化すること。
• 内部トラフィックと外部トラフィックの間で、合計有用マッチを最大化するための容量を最適に割り当てるアルゴリズムの設計と分析を行うこと。
• VolunteerMatchの実データを用いてアルゴリズムの性能を検証し、現在の産業実務と比較すること。

提案手法

• ボランティアが逐次到着し、有限容量を持つ機会にマッチするオンラインマッチングモデルとして、プラットフォームの問題を形式化すること。
• 外部トラフィックの割合に依存するパrameter化された競合比を導入し、この設定における標準的競合分析を精緻化すること。
• 適応的容量（AC）アルゴリズムを提案する。このアルゴリズムは、トラフィックの出所に応じて動的にマッチング意思決定を調整し、内部トラフィックに対しては未満員の機会を優先し、外部マッチを保持する。
• 原双対フレームワークを用いて、ACの競合比の下界を導出し、外部トラフィック量の増加に伴い競合比が向上することを示す。
• 任意のオンラインアルゴリズムの競合比の理論的上限を確立し、ACの性能がほぼ最適であることを示す。
• VolunteerMatchのデータに基づく数値シミュレーションを用いて、ACを既存のアルゴリズムと比較し、実践的優位性を検証する。

実験結果

リサーチクエスチョン

• RQ1 外部リンク経由で流入するトラフィックの一部が推薦システムを迂回する場合、マッチングプラットフォームはどのようにして容量を最適に割り当てるべきか？
• RQ2 この多チャネルトラフィック環境下で、オンラインアルゴリズムの理論的性能限界は何か？ また、外部トラフィックの割合にどのように依存するか？
• RQ3 トラフィックの出所に基づいてマッチング戦略を適応的に変更できるアルゴリズムを設計できるか？
• RQ4 実データ環境下で、提案された適応的容量（AC）アルゴリズムの性能は、既存のアルゴリズムと比べてどのように異なるか？
• RQ5 最良の競合比とACの実際の性能との差は何か？ そして、システムパラメータの変化に伴ってどのように変化するか？

主な発見

• ACアルゴリズムは、外部トラフィックの割合が増加するに従い、競合比が向上することを示し、外部トラフィックが増加するほど性能が向上することを実証した。
• ACの競合比は、任意のオンラインアルゴリズムの性能に対する理論的上限に非常に近い関数によって下界で抑えられており、ほぼ最適性を示している。
• ACの競合比は、最適なクラリベイント解における有用マッチの期待値β（標準的下限）を厳密に上回っており、外部トラフィックが存在する状況で、従来のアルゴリズムを上回ることを示している。
• VolunteerMatchのデータを用いた数値的分析では、ACは現在の産業実務を著しく上回っており、特に外部トラフィックが多い状況で顕著な優位性を示した。
• モデルは、外部トラフィックを戦略的に活用できることを明らかにした。外部マッチを保持し、内部トラフィックを未満員の機会に再配分することで、全体のマッチ効率を向上させられることを示した。
• 分析から、外部トラフィックが顕著な場合に、単に内部トラフィック最適化に依存するアプローチ（過去の研究で一般的）は、性能が劣ることが明らかになった。