論文の概要: Individual Fairness in Advertising Auctions through Inverse Proportionality

• arxiv url: http://arxiv.org/abs/2003.13966v3
• Date: Wed, 1 Dec 2021 03:16:03 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-18 02:02:44.149813
• Title: Individual Fairness in Advertising Auctions through Inverse Proportionality
• Title（参考訳）: 逆比例による広告オークションの個性
• Authors: Shuchi Chawla, Meena Jagadeesan
• Abstract要約: 公正な入札が与えられた場合、公正な結果を生み出すことが保証される広告オークションの設計について検討する。 フェアネスと社会福祉のトレードオフを実現するため,新たなアロケーションアルゴリズムを導入する。
• 参考スコア（独自算出の注目度）: 12.861470300253329
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent empirical work demonstrates that online advertisement can exhibit bias in the delivery of ads across users even when all advertisers bid in a non-discriminatory manner. We study the design of ad auctions that, given fair bids, are guaranteed to produce fair outcomes. Following the works of Dwork and Ilvento (2019) and Chawla et al. (2020), our goal is to design a truthful auction that satisfies ``individual fairness'' in its outcomes: informally speaking, users that are similar to each other should obtain similar allocations of ads. Within this framework we quantify the tradeoff between social welfare maximization and fairness. This work makes two conceptual contributions. First, we express the fairness constraint as a kind of stability condition: any two users that are assigned multiplicatively similar values by all the advertisers must receive additively similar allocations for each advertiser. This value stability constraint is expressed as a function that maps the multiplicative distance between value vectors to the maximum allowable $\ell_{\infty}$ distance between the corresponding allocations. Standard auctions do not satisfy this kind of value stability. Second, we introduce a new class of allocation algorithms called Inverse Proportional Allocation that achieve a near optimal tradeoff between fairness and social welfare for a broad and expressive class of value stability conditions. These allocation algorithms are truthful and prior-free, and achieve a constant factor approximation to the optimal (unconstrained) social welfare. In particular, the approximation ratio is independent of the number of advertisers in the system. In this respect, these allocation algorithms greatly surpass the guarantees achieved in previous work. We also extend our results to broader notions of fairness that we call subset fairness.
• Abstract（参考訳）: 最近の実証研究は、全ての広告主が差別的でない方法で入札しても、オンライン広告がユーザー間で広告を配信する際のバイアスを示すことを示した。 公正な入札が与えられた場合、公正な結果を生み出すことが保証される広告オークションの設計について検討する。 Dwork and Ilvento (2019) と Chawla et al. (2020) の著作に従えば、私たちの目標は、その成果に 'individual fairness'' を満たす真正銘のオークションを設計することにあります。 この枠組みの中で、社会福祉の最大化と公平性のトレードオフを定量化する。 この作品には2つの概念的貢献がある。 まず、フェアネス制約を一種の安定性条件として表現する: 広告主が複数の類似した値を割り当てた2人のユーザーは、広告主ごとに追加的に類似したアロケーションを受けなければならない。 この値安定性制約は、値ベクトル間の乗法距離を対応するアロケーション間の最大許容$\ell_{\infty}$距離にマッピングする関数として表される。 標準オークションはこの種の価値の安定性を満足しない。 第2に,価値安定条件の広範かつ表現豊かなクラスに対して,公平性と社会福祉のほぼ最適トレードオフを実現する逆比例割当アルゴリズムを提案する。 これらの割当アルゴリズムは真面目で事前自由であり、最適(制約のない)社会福祉に一定の要因を近似する。 特に、近似比率はシステム内の広告主数とは独立である。 この点で、これらの割当アルゴリズムは、以前の作業で達成された保証を大幅に上回っている。 結果も、サブセットフェアと呼ばれる、より広いフェアネスの概念に拡張します。

関連論文リスト

• Fair Allocation in Dynamic Mechanism Design [57.66441610380448]
  競売業者が各ラウンドの買い手グループに、合計で$T$で分けない商品を販売している問題を考える。 競売人は、各グループの最低平均配分を保証する公正な制約に固執しつつ、割引された全体の収益を最大化することを目的としている。
  論文  参考訳（メタデータ） (2024-05-31T19:26:05Z)
• Advancing Ad Auction Realism: Practical Insights & Modeling Implications [2.8413290300628313]
  本稿では,広告主を敵の帯域幅アルゴリズムが支配するエージェントとしてモデル化することで,現代の広告オークションに対する有用な洞察を得ることができることを示す。 ソフトフロアは適切な選択されたリザーブ価格よりも低い収益をもたらし、単一のクエリに注意を向けることさえできる。
  論文  参考訳（メタデータ） (2023-07-21T17:45:28Z)
• Bidding Strategies for Proportional Representation in Advertisement Campaigns [8.269283912626873]
  同一入札は、異なる種類の個人に対する不均一な競争のレベルが原因で、等質な結果が得られないことが示される。 プラットフォームメカニズムを変更しない変更を検討し、代わりに広告主が使用する入札戦略を変更します。
  論文  参考訳（メタデータ） (2023-05-22T23:29:05Z)
• Fair Without Leveling Down: A New Intersectional Fairness Definition [1.0958014189747356]
  本稿では,感性グループ間での絶対値と相対値のパフォーマンスを組み合わせた$alpha$-Intersectional Fairnessという新たな定義を提案する。 我々は、新しいフェアネス定義を用いて、複数の一般的なプロセス内機械学習アプローチをベンチマークし、単純なベースラインよりも改善が得られないことを示します。
  論文  参考訳（メタデータ） (2023-05-21T16:15:12Z)
• DualFair: Fair Representation Learning at Both Group and Individual Levels via Contrastive Self-supervision [73.80009454050858]
  この研究は、DualFairと呼ばれる自己教師型モデルを提示し、学習された表現から性別や人種などのセンシティブな属性をデバイアスすることができる。 我々のモデルは、グループフェアネスと対実フェアネスという2つのフェアネス基準を共同で最適化する。
  論文  参考訳（メタデータ） (2023-03-15T07:13:54Z)
• Fairness in Matching under Uncertainty [78.39459690570531]
  アルゴリズム的な二面市場は、こうした設定における公平性の問題に注意を向けている。 我々は、利益の不確実性を尊重する両面の市場設定において、個々人の公正性の概念を公理化する。 そこで我々は,配当よりも公平なユーティリティ最大化分布を求めるために,線形プログラミングフレームワークを設計する。
  論文  参考訳（メタデータ） (2023-02-08T00:30:32Z)
• Proportional Fairness in Obnoxious Facility Location [70.64736616610202]
  この問題に対して,距離に基づく比例フェアネスの概念の階層構造を提案する。 決定論的かつランダムなメカニズムを考察し、比例フェアネスの価格に関する厳密な境界を計算する。 モデルの拡張が2つあることを示す。
  論文  参考訳（メタデータ） (2023-01-11T07:30:35Z)
• Robust Allocations with Diversity Constraints [65.3799850959513]
  エージェント値の積を最大化するナッシュ福祉規則は,多様性の制約が導入されたとき,一意にロバストな位置にあることを示す。 また, ナッシュ・ウェルズによる保証は, 広く研究されているアロケーション・ルールのクラスにおいて, ほぼ最適であることを示す。
  論文  参考訳（メタデータ） (2021-09-30T11:09:31Z)
• A novel auction system for selecting advertisements in Real-Time bidding [68.8204255655161]
  リアルタイム入札(Real-Time Bidding)は、インターネット広告システムで、近年非常に人気を集めている。 本稿では、経済的な側面だけでなく、広告システムの機能にかかわる他の要因も考慮した、新たなアプローチによる代替ベッティングシステムを提案する。
  論文  参考訳（メタデータ） (2020-10-22T18:36:41Z)
• Adversarial Learning for Counterfactual Fairness [15.302633901803526]
  近年、フェアネスは機械学習研究コミュニティにおいて重要なトピックとなっている。 我々は,MDDの罰則よりも強力な推論を可能にする,対向的ニューラルネットワークアプローチに頼ることを提案する。 実験では、離散的および連続的な設定の両方に対して、対実的公正性の観点から、顕著な改善が示された。
  論文  参考訳（メタデータ） (2020-08-30T09:06:03Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。