[论文解读] Designing Approximately Optimal Search on Matching Platforms

Nicole Immorlica, Brendan Lucier+2 more|arXiv (Cornell University)|Feb 17, 2021

Auction Theory and Applications参考文献 24被引用 7

一句话总结

本文設計了一種去中心化的搜尋機制，適用於雙邊匹配平台（如交友或自由職業者市場），其中平台透過最佳化不同類型參與者之間的配對率來最大化社會福利。在具有對稱、類型特定偏好與外生離場率的連續模型下，證明了即使在策略性激勵下，簡單的星型配對圖仍可達成至少 1/4 的首選社會福利，並顯示該問題在常數因子內難以近似。

ABSTRACT

We study the design of a decentralized two-sided matching market in which agents' search is guided by the platform. There are finitely many agent types, each with (potentially random) preferences drawn from known type-specific distributions. Equipped with knowledge of these distributions, the platform guides the search process by determining the meeting rate between each pair of types from the two sides. Focusing on symmetric pairwise preferences in a continuum model, we first characterize the unique stationary equilibrium that arises given a feasible set of meeting rates. We then introduce the platform's optimal directed search problem, which involves optimizing meeting rates to maximize equilibrium social welfare. We first show that incentive issues arising from congestion and cannibalization make the design problem fairly intricate. Nonetheless, we develop an efficiently computable search design whose corresponding equilibrium achieves at least 1/4 the social welfare of the optimal design. In fact, our construction always recovers at least 1/4 the first-best social welfare, where agents' incentives are disregarded. Our directed search design is simple and easy-to-implement, as its corresponding bipartite graph consists of disjoint stars. Furthermore, our design implies the platform can substantially limit choice and yet induce an equilibrium with an approximately optimal welfare. Finally, we show that approximation is likely the best we can hope for by establishing that the problem of designing optimal directed search is NP-hard to even approximate beyond a certain constant factor.

研究动机与目标

• 設計一種適用於雙邊匹配平台的推薦系統，尊重參與者的策略性激勵，同時最大化社會福利。
• 解決搜尋設計中的擁堵與自我競爭問題，其中最佳配對率可能與個別參與者的激勵產生衝突。
• 在具有類型特定偏好與外生離場率的對稱連續模型中，特徵化唯一的靜態均衡。
• 開發一種計算效率高的搜尋設計，即使參與者策略行動，也能保證至少 1/4 的首選社會福利。
• 透過證明最佳搜尋設計問題在常數因子外難以近似，建立近似的基本限制。

提出的方法

• 建模一個具有有限參與者類型的雙邊匹配市場，每種類型具有對稱、類型特定的序數偏好，且偏好來自已知機率分配。
• 引入連續模型，其中參與者以外生速率到達與離場，引入搜尋摩擦，限制可能的配對數量。
• 定義平台在不同參與者類型之間設定配對率的角色，以雙分圖表示可行配對。
• 使用建構性不動點論證，證明在對稱偏好下靜態均衡的唯一性，且該論證可在有限步驟內收斂。
• 提出一種簡單且可實作的搜尋設計，基於不相交的星型圖（每邊一個中心類型），可達成至少 1/4 的首選社會福利。
• 證明在常數因子外近似最佳設計是 NP-難解，顯示 1/4-近似可能是在多項式時間內的最佳解。

实验结果

研究问题

• RQ1 去中心化的匹配平台是否能設計配對率，在策略性參與者行為與擁堵外部性下，仍可達成近似最佳社會福利？
• RQ2 配對率圖的哪些結構特性（例如星型 vs. 任意雙分圖）能促成最佳福利的高效近似？
• RQ3 對稱偏好與外生離場率的存在如何影響均衡的唯一性與可計算性？
• RQ4 在策略性參與者與不完全資訊下，平台搜尋設計問題的近似基本限制為何？
• RQ5 在有限選擇（例如星型配置）下，是否仍可在匹配平台中實現高社會福利？

主要发现

• 對於任何可行的配對率集合，在靜態均衡中，每種參與者類型皆使用閾值策略，確保穩定性與可計算性。
• 所提出的基於星型的搜尋設計即使在參與者激勵與平台目標不一致時，仍可達成至少 1/4 的首選社會福利。
• 在最壞情況下，1/4-近似是緊緻的，因為證明了設計最佳有向搜尋的問題在常數因子外難以近似。
• 模擬顯示，當搜尋摩擦增加（即配對機會減少）時，有向搜尋變得越來越重要，其表現顯著優於隨機或均勻配對率。
• 實務中，近似演算法的表現遠優於最壞情況下的 4 倍界，特別是在每邊僅有四種類型的低複雜度市場中。
• 星型設計的結構簡單性——由不相交的星型組成——使其易於在現實平台中實作與部署，且不損及福利保證。