論文の概要: ProportionNet: Balancing Fairness and Revenue for Auction Design with Deep Learning

• arxiv url: http://arxiv.org/abs/2010.06398v1
• Date: Tue, 13 Oct 2020 13:54:21 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-08 00:51:12.321838
• Title: ProportionNet: Balancing Fairness and Revenue for Auction Design with Deep Learning
• Title（参考訳）: proportionnet:ディープラーニングによるオークションデザインの公平性と収益のバランス
• Authors: Kevin Kuo, Anthony Ostuni, Elizabeth Horishny, Michael J. Curry, Samuel Dooley, Ping-yeh Chiang, Tom Goldstein, John P. Dickerson
• Abstract要約: 本研究では,強力なインセンティブ保証を備えた収益最大化オークションの設計について検討する。 我々は、高い収益と強力なインセンティブ保証を維持しつつ、公平性の懸念に対処するため、深層学習を用いてオークションを近似する手法を拡張した。
• 参考スコア（独自算出の注目度）: 55.76903822619047
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The design of revenue-maximizing auctions with strong incentive guarantees is a core concern of economic theory. Computational auctions enable online advertising, sourcing, spectrum allocation, and myriad financial markets. Analytic progress in this space is notoriously difficult; since Myerson's 1981 work characterizing single-item optimal auctions, there has been limited progress outside of restricted settings. A recent paper by D\"utting et al. circumvents analytic difficulties by applying deep learning techniques to, instead, approximate optimal auctions. In parallel, new research from Ilvento et al. and other groups has developed notions of fairness in the context of auction design. Inspired by these advances, in this paper, we extend techniques for approximating auctions using deep learning to address concerns of fairness while maintaining high revenue and strong incentive guarantees.
• Abstract（参考訳）: 収益を最大化するオークションの設計は経済理論の重要な関心事である。 計算オークションはオンライン広告、ソーシング、スペクトル割り当て、および無数の金融市場を可能にする。 1981年、マイアーソンの1項目の最適オークションを特徴付ける研究から、制限された設定以外での進展は限られている。 D\"uttingらによる最近の論文は、最適なオークションにディープラーニング技術を適用することで分析上の困難を回避している。 並行して、Ilventoらによる新たな研究は、オークションデザインの文脈において公正性の概念を発展させた。 本稿では,これらの進歩に触発されて,ディープラーニングを用いたオークションを近似する手法を拡張し,高い収益と強いインセンティブ保証を維持しつつ公平性への懸念に対処する。

関連論文リスト

• Procurement Auctions via Approximately Optimal Submodular Optimization [53.93943270902349]
  競売業者がプライベートコストで戦略的売り手からサービスを取得しようとする競売について検討する。 我々の目標は、取得したサービスの品質と販売者の総コストとの差を最大化する計算効率の良いオークションを設計することである。
  論文  参考訳（メタデータ） (2024-11-20T18:06:55Z)
• Autobidders with Budget and ROI Constraints: Efficiency, Regret, and Pacing Dynamics [53.62091043347035]
  オンライン広告プラットフォームで競合するオートバイディングアルゴリズムのゲームについて検討する。 本稿では,全ての制約を満たすことを保証し,個人の後悔を解消する勾配に基づく学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-01-30T21:59:30Z)
• A Reinforcement Learning Approach in Multi-Phase Second-Price Auction Design [158.0041488194202]
  多相第2価格オークションにおけるリザーブ価格の最適化について検討する。 売り手の視点からは、潜在的に非現実的な入札者の存在下で、環境を効率的に探索する必要がある。 第三に、売り手のステップごとの収益は未知であり、非線形であり、環境から直接観察することさえできない。
  論文  参考訳（メタデータ） (2022-10-19T03:49:05Z)
• A Context-Integrated Transformer-Based Neural Network for Auction Design [25.763612577196124]
  オークションデザインにおける中心的な問題の1つは、競売人の予想収益を最大化するインセンティブに適合するメカニズムを開発することである。 最適なオークション設計のためのコンテクスト積分変換器ベースニューラルネットワークである$mathtCITransNet$を提案する。 我々は、$mathttCITransNet$が、シングルイット設定で既知の最適解を回復し、マルチイットオークションで強いベースラインを上回り、トレーニング中以外のケースによく当てはまることを示す。
  論文  参考訳（メタデータ） (2022-01-29T03:47:00Z)
• Neural Auction: End-to-End Learning of Auction Mechanisms for E-Commerce Advertising [42.7415188090209]
  我々は,オークションからコンテキストを効率的に抽出する深層モデルを開発し,オークションデザインのための豊富な特徴を提供する。 タオバオのEコマース広告システムにDNAが配備されている。
  論文  参考訳（メタデータ） (2021-06-07T13:20:40Z)
• PreferenceNet: Encoding Human Preferences in Auction Design with Deep Learning [31.509832387330928]
  制約をエンコードする既存のニューラルネットワークベースのオークション機構の拡張であるPreferenceNetを提案する。 提案手法は,現在最先端のニューラルネットベースのオークション設計と競合することを示す。
  論文  参考訳（メタデータ） (2021-06-06T19:29:40Z)
• Towards Prior-Free Approximately Truthful One-Shot Auction Learning via Differential Privacy [0.0]
  事前依存した設定で複数項目のオークションを見つけるためのディープラーニング技術。 我々は、RegretNetアプローチを事前のフリー設定に適用するように修正する。 予備実験結果と定性解析について述べる。
  論文  参考訳（メタデータ） (2021-03-31T23:22:55Z)
• Certifying Strategyproof Auction Networks [53.37051312298459]
  我々は、任意の数のアイテムと参加者でオークションを表現できるRegretNetアーキテクチャに焦点を当てる。 本稿では,ニューラルネットワーク検証文献から得られた手法を用いて,特定の評価プロファイルの下で戦略の安全性を明示的に検証する方法を提案する。
  論文  参考訳（メタデータ） (2020-06-15T20:22:48Z)
• Auction learning as a two-player game [19.706363403596196]
  オークションデザイン(Auction Design)は、固定ユーティリティ機能を備えた2人プレイのゲームである。 期待収益を最大化するインセンティブをデザインすることは、オークションデザインの中心的な問題である。
  論文  参考訳（メタデータ） (2020-06-10T06:45:20Z)

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。