[论文解读] Exploration vs. Exploitation in Team Formation

Ramesh Johari, Vijay Kamble+2 more|arXiv (Cornell University)|Sep 18, 2018

Mobile Crowdsensing and Crowdsourcing参考文献 5被引用 3

一句话总结

本文研究在线劳动平台中团队组建的探索-利用权衡问题，将团队绩效建模为最弱或最强成员的质量。提出了1-chain和2-chain两种自适应团队匹配算法，表明在p=0.5处最优策略发生反转：当p<0.5时1-chain表现更优，而当p>0.5时2-chain占优，这是由于低技能和高技能情境下遗憾结构的差异所致。

ABSTRACT

An online labor platform faces an online learning problem in matching workers with jobs and using the performance on these jobs to create better future matches. This learning problem is complicated by the rise of complex tasks on these platforms, such as web development and product design, that require a team of workers to complete. The success of a job is now a function of the skills and contributions of all workers involved, which may be unknown to both the platform and the client who posted the job. These team matchings result in a structured correlation between what is known about the individuals and this information can be utilized to create better future matches. We analyze two natural settings where the performance of a team is dictated by its strongest and its weakest member, respectively. We find that both problems pose an exploration-exploitation tradeoff between learning the performance of untested teams and repeating previously tested teams that resulted in a good performance. We establish fundamental regret bounds and design near-optimal algorithms that uncover several insights into these tradeoffs.

研究动机与目标

• 解决在在线劳动平台上将能力未知的团队匹配到工作中的挑战。
• 在最弱环节和最强环节两种收益结构下，建模团队绩效如何依赖于成员的质量。
• 设计自适应匹配算法，通过团队结果学习工人类型，以最小化遗憾。
• 分析探索（学习未知团队）与利用（重用已知优质团队）之间的根本权衡。
• 推导遗憾边界，并识别团队组建在不同情境下的最优策略。

提出的方法

• 建模大量工人，每个工人以概率p独立地为高质量（1）或低质量（0）。
• 假设团队规模为两人，团队收益由成员类型中的最小值（最弱环节）或最大值（最强环节）决定。
• 仅观察团队的总体绩效（1或0），无法获知个体工人类型，需随时间推断。
• 提出两种自适应算法：1-chain和2-chain，它们异步探索已知低质量配对的匹配。
• 采用基于周期的探索：1-chain一次测试一对，而2-chain同时测试两对以提高信息获取。
• 通过与已知所有工人类型之oracle的累计收益损失比较来分析遗憾。

实验结果

研究问题

• RQ1 在团队绩效聚合规则（最弱环节 vs. 最强环节）不同时，团队组建中探索与利用的最优平衡如何变化？
• RQ2 在每种收益模型下，团队组建的根本遗憾边界是什么？
• RQ3 在不同工人质量分布下，不同自适应匹配策略（1-chain与2-chain）的性能如何比较？
• RQ4 当p（高质量工人概率）为何值时，1-chain与2-chain算法的相对性能发生反转？
• RQ5 在某些情境下，简单的、短视策略是否可能为最优？如果是，其条件是什么？

主要发现

• 当p < 0.5时，1-chain算法的遗憾低于2-chain算法，因其累积的低质量匹配更少。
• 当p > 0.5时，2-chain算法的遗憾低于1-chain算法，因其能更有效地减少低质量配对。
• 在所有p ∈ [0,1]范围内，1-chain算法始终导致更少的两名高质量工人之间的匹配。
• 当p > 0.5时，2-chain算法导致的两名低质量工人之间的匹配少于1-chain算法。
• 在p = 0.5处性能反转是由于遗憾表征的不连续性所致，而非算法内在行为的改变。
• 短视策略在某些情境下可能极不理想，但在其他情境下则非常有效，具体取决于底层工人质量分布。