Scientific advancement requires effective peer review. Papers should be reviewed by experts in the subject area, but it is equally important that reviewer quality is fairly distributed amongst papers. We model reviewer assignment as an instance of a fair allocation problem, presenting an extension of the classic round-robin mechanism, called Reviewer Round Robin (RRR). Round-robin mechanisms are a standard tool to ensure envy-free up to one item (EF1) allocations. However, fairness often comes at the cost of decreased efficiency. To overcome this challenge, we carefully select an approximately optimal round-robin order. Applying a relaxation of submodularity, $\gamma$-weak submodularity, we show that greedily inserting papers into an order yields a ${(1+\gamma^2)}$-approximation to the maximum welfare attainable by our round-robin mechanism under any order. Our approach outputs highly efficient EF1 allocations for three real conference datasets, outperforming several state-of-the-art paper assignment methods in fairness, efficiency and runtime.


翻译:科学进步需要有效的同侪审查。文件应该由主题领域的专家审查,但审查者的质量应该公平地在文件之间分配。我们将审查者指派作为公平分配问题的范例,提出典型的圆环机制,称为Robin(RRR)的延伸。圆环机制是确保无妒忌的一个项目(EF1)分配的标准工具。然而,公平往往以降低效率为代价。为了克服这一挑战,我们仔细选择了一个大致最佳的圆环顺序。我们运用亚模式的放松,即$gamma$-weak 亚模式,我们显示,贪婪地将文件插入订单会产生[1]gamma]}对我们圆环机制在任何顺序下所能达到的最大福利的认可。我们的方法产出了高效率的EF1分配用于三个真正的会议数据集,在公平、效率和运行时间上优于几种最先进的纸质分配方法。

0
下载
关闭预览

相关内容

数据科学导论,54页ppt,Introduction to Data Science
专知会员服务
41+阅读 · 2020年7月27日
Fariz Darari简明《博弈论Game Theory》介绍,35页ppt
专知会员服务
109+阅读 · 2020年5月15日
元学习与图神经网络逻辑推导,55页ppt
专知会员服务
128+阅读 · 2020年4月25日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
已删除
将门创投
9+阅读 · 2017年10月17日
Arxiv
0+阅读 · 2021年10月5日
Arxiv
0+阅读 · 2021年10月4日
Arxiv
0+阅读 · 2021年10月4日
Arxiv
0+阅读 · 2021年10月3日
Arxiv
20+阅读 · 2020年6月8日
Arxiv
12+阅读 · 2019年3月14日
VIP会员
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
已删除
将门创投
9+阅读 · 2017年10月17日
相关论文
Arxiv
0+阅读 · 2021年10月5日
Arxiv
0+阅读 · 2021年10月4日
Arxiv
0+阅读 · 2021年10月4日
Arxiv
0+阅读 · 2021年10月3日
Arxiv
20+阅读 · 2020年6月8日
Arxiv
12+阅读 · 2019年3月14日
Top
微信扫码咨询专知VIP会员