[论文解读] Social Networks and Stable Matchings in the Job Market

Esteban Arcaute, Sergei Vassilvitskii|ArXiv.org|Oct 6, 2009

Game Theory and Voting Systems参考文献 18被引用 4

一句话总结

本文提出一种将社交网络整合进稳定匹配理论的模型，其中工人仅通过朋友了解工作机会。研究发现，受网络约束下的局部稳定匹配与全局稳定匹配存在显著差异，判断两者是否等价是NP完全问题，且原有的格结构不复存在；而通过近视最优响应动态分析，揭示了初始匹配依赖导致的效率损失。

ABSTRACT

For most people, social contacts play an integral part in finding a new job. As observed by Granovetter's seminal study, the proportion of jobs obtained through social contacts is usually large compared to those obtained through postings or agencies. At the same time, job markets are a natural example of two-sided matching markets. An important solution concept in such markets is that of stable matchings, and the use of the celebrated Gale-Shapley algorithm to compute them. So far, the literature has evolved separately, either focusing on the implications of information flowing through a social network, or on developing a mathematical theory of job markets through the use of two-sided matching techniques. In this paper we provide a model of the job market that brings both aspects of job markets together. To model the social scientists' observations, we assume that workers learn only about positions in firms through social contacts. Given that information structure, we study both static properties of what we call locally stable matchings (i.e., stable matchings subject to informational constraints given by a social network) and dynamic properties through a reinterpretation of Gale-Shapley's algorithm as myopic best response dynamics. We prove that, in general, the set of locally stable matching strictly contains that of stable matchings and it is in fact NP-complete to determine if they are identical. We also show that the lattice structure of stable matchings is in general absent. Finally, we focus on myopic best response dynamics inspired by the Gale-Shapley algorithm. We study the efficiency loss due to the informational constraints, providing both lower and upper bounds.

研究动机与目标

• 建模工人仅通过社交关系发现工作的就业市场，将社交网络结构整合进匹配理论。
• 分析在社交网络信息约束下，局部稳定匹配的结构性质。
• 在动态设定中研究初始匹配对结果的影响，通过将Gale-Shapley算法重新解释为近视最优响应动态。
• 量化在基于网络的信息流动下，就业市场匹配中因信息约束导致的效率损失。
• 检验在局部稳定条件下，稳定匹配的格结构是否仍然成立。

提出的方法

• 将社交网络定义为图结构，其中边表示工人与朋友之间的连接，限制其获取工作信息的范围。
• 引入局部稳定匹配的概念：即在工人仅考虑有朋友关系的公司时仍保持稳定的匹配。
• 将Gale-Shapley算法重新解释为近视最优响应动态，其中工人仅在朋友中选择其最偏好且可申请的公司。
• 使用概率分析与最坏情况分析，界定倒闭企业数（fob）与失业工人数量的上界。
• 通过极值图论方法，分析最大独立集，推导出被迫退出市场的最低企业数量下界。
• 构建企业排名的概率分布，以证明即使在社交规划者控制下，对手仍具有显著塑造结果的能力。

实验结果

研究问题

• RQ1 将工作信息限制在社交联系人范围内，相较于经典稳定匹配理论，如何改变稳定匹配的集合？
• RQ2 判断局部稳定匹配集合是否与全局稳定匹配集合相同，在计算上是否可行？
• RQ3 全局稳定匹配的分配格结构在局部稳定约束下是否仍然保持？
• RQ4 因信息约束导致的效率损失是多少？其大小如何依赖于初始匹配？
• RQ5 对手或社交规划者是否能通过控制初始分配或工人排名，显著影响最终结果？

主要发现

• 局部稳定匹配集合严格包含于全局稳定匹配集合，且判断两者是否相等是NP完全问题。
• 全局稳定匹配的分配格结构在局部稳定条件下不再成立，表明其与经典理论存在根本性结构差异。
• 对手可构造一种初始匹配，使得在期望下至少有 $ n_f - ig ceil rac{|I|}{k} ig floor $ 家企业倒闭，其中 $ I $ 为最大独立集。
• 即使对手完全掌握社交规划者的企业排名分布，仍可确保至少 $ |I| $ 名工人永远不会失业，表明初始匹配对结果具有决定性影响。
• 因信息约束导致的效率损失显著，且高度依赖于初始匹配，对手可强制造成重大效率低下。
• 研究结果揭示了对手（控制初始匹配）与社交规划者（控制工人排名）之间的战略张力，双方虽掌握对方信息，仍能显著影响最终结果。