The celebrated Bayesian persuasion model considers strategic communication between an informed agent (the sender) and uniformed decision makers (the receivers). The current rapidly-growing literature assumes a dichotomy: either the sender is powerful enough to communicate separately with each receiver (a.k.a. private persuasion), or she cannot communicate separately at all (a.k.a. public persuasion). We propose a model that smoothly interpolates between the two, by introducing a natural multi-channel communication structure in which each receiver observes a subset of the sender's communication channels. This captures, e.g., receivers on a network, where information spillover is almost inevitable. We completely characterize when one communication structure is better for the sender than another, in the sense of yielding higher optimal expected utility universally over all prior distributions and utility functions. The characterization is based on a simple pairwise relation among receivers - one receiver information-dominates another if he observes at least the same channels. We prove that a communication structure M_1 is (weakly) better than M_2 if and only if every information-dominating pair of receivers in M_1 is also such in M_2. We also provide an additive FPTAS for the optimal sender's signaling scheme when the number of states is constant and the graph of information-dominating pairs is a directed forest. Finally, we prove that finding an optimal signaling scheme under multi-channel persuasion is computationally hard for a general family of sender's utility functions that admit computationally tractable optimal signaling schemes under both public and private persuasion.


翻译:著名的贝叶信使模式考虑知情代理人(发件人)和统一决策者(接送人)之间的战略沟通。当前快速增长的文献假设了两分法:要么发件人足够强大,足以与每个接收人(a.k.a.私人劝说)分别沟通,要么她根本无法单独沟通(a.k.a.公众劝说)。我们提出了一个模式,通过引入一个自然的多渠道沟通结构,让每个接收人观察发件人通信渠道的一部分。这捕捉了一个网络上的接收人,例如,网络上的接收人,因为信息传播几乎不可避免。我们完全确定,当一个通信结构对发件人来说比另一个发送人更有利时,即发件人能够产生比以往所有分发和公用事业功能都更好的最佳预期效用。我们提出这种定性的基础是接收人之间的简单对等关系――一个接收人信息传递到至少相同的渠道,另一个接收人便会传递信息。我们证明M_1(weakly)比M_2更好的通信结构更好,如果每个信息发送人对发送人来说,M_1的准确的准确度是M_1号,那么,我们在F_1号的货币的货币的货币的货币最优化的货币的货币系统也是最优化的货币格式中最优化的中间的一个最高级的货币,在F_Bral的货币的货币的货币的货币的货币系统,在M_Bral_bild_bildal_bild’的货币系统也是在M_bild 。在F_bil 的货币的货币的货币的货币的货币的货币的货币的货币的货币的货币的货币的货币系统是用来在F_bildreal_bildal 。

0
下载
关闭预览

相关内容

【IJCAJ 2020】多通道神经网络 Multi-Channel Graph Neural Networks
专知会员服务
25+阅读 · 2020年7月19日
【Manning新书】现代Java实战,592页pdf
专知会员服务
99+阅读 · 2020年5月22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
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10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
意识是一种数学模式
CreateAMind
3+阅读 · 2019年6月24日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
深度学习NLP相关资源大列表
机器学习研究会
3+阅读 · 2017年9月17日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Accelerated Methods for Deep Reinforcement Learning
Arxiv
6+阅读 · 2019年1月10日
Arxiv
6+阅读 · 2018年4月24日
Arxiv
3+阅读 · 2017年12月1日
VIP会员
相关资讯
意识是一种数学模式
CreateAMind
3+阅读 · 2019年6月24日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
深度学习NLP相关资源大列表
机器学习研究会
3+阅读 · 2017年9月17日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员