論文の概要: Fairness-aware Online Price Discrimination with Nonparametric Demand Models

• arxiv url: http://arxiv.org/abs/2111.08221v1
• Date: Tue, 16 Nov 2021 04:31:02 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-17 13:47:08.995171
• Title: Fairness-aware Online Price Discrimination with Nonparametric Demand Models
• Title（参考訳）: 非パラメトリック需要モデルによる公正なオンライン価格判別
• Authors: Xi Chen, Xuan Zhang, Yuan Zhou
• Abstract要約: 公平性制約下での動的識別価格の問題について検討する。 本稿では、厳格な価格公正性制約を強制する、後悔の観点から最適な動的価格政策を提案する。
• 参考スコア（独自算出の注目度）: 13.37470572052168
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Price discrimination, which refers to the strategy of setting different prices for different customer groups, has been widely used in online retailing. Although it helps boost the collected revenue for online retailers, it might create serious concern in fairness, which even violates the regulation and law. This paper studies the problem of dynamic discriminatory pricing under fairness constraints. In particular, we consider a finite selling horizon of length $T$ for a single product with two groups of customers. Each group of customers has its unknown demand function that needs to be learned. For each selling period, the seller determines the price for each group and observes their purchase behavior. While existing literature mainly focuses on maximizing revenue, ensuring fairness among different customers has not been fully explored in the dynamic pricing literature. In this work, we adopt the fairness notion from (Cohen et al. 2021a). For price fairness, we propose an optimal dynamic pricing policy in terms of regret, which enforces the strict price fairness constraint. In contrast to the standard $\sqrt{T}$-type regret in online learning, we show that the optimal regret in our case is $\tilde{\Theta}(T^{4/5})$. We further extend our algorithm to a more general notion of fairness, which includes demand fairness as a special case. To handle this general class, we propose a soft fairness constraint and develop the dynamic pricing policy that achieves $\tilde{O}(T^{4/5})$ regret.
• Abstract（参考訳）: 異なる顧客グループに対して異なる価格を設定する戦略を指す価格差別は、オンライン小売業で広く使われている。 オンライン小売業者の徴収収入を増加させるが、公正性に深刻な懸念を生じさせ、規制や法律に違反することさえある。 本稿では,公平性制約下での動的識別価格の問題について検討する。 特に、2つの顧客グループを持つ1つの製品に対して、長さt$という有限の販売地平線を考える。 顧客の各グループは、学習する必要のある未知の需要機能を持っています。 販売期間毎に、販売者は各グループの価格を決定し、購入行動を監視する。 既存の文献は主に収益の最大化に重点を置いているが、動的価格の文献では、異なる顧客間の公正性を確保することは十分に検討されていない。 本研究では,「公正」の概念を (Cohen et al. 2021a) から採用する。 価格公正性については,厳格な価格公正性制約を強制する,後悔の観点から最適な動的価格ポリシーを提案する。 オンライン学習における標準的な$\sqrt{t}$-type regretとは対照的に、われわれの場合の最適後悔は$\tilde{\theta}(t^{4/5})$である。 我々はさらに、要求公正性を含むより一般的な公正性の概念へとアルゴリズムを拡張した。 この一般クラスを扱うために、ソフトフェアネス制約を提案し、$\tilde{O}(T^{4/5})$ regretを達成する動的価格ポリシーを開発する。

関連論文リスト

• A Primal-Dual Online Learning Approach for Dynamic Pricing of Sequentially Displayed Complementary Items under Sale Constraints [54.46126953873298]
  顧客に対して順次表示される補完アイテムの動的価格設定の問題に対処する。 各項目の価格を個別に最適化するのは効果がないため、補完項目のコヒーレントな価格ポリシーが不可欠である。 実世界のデータからランダムに生成した合成設定を用いて,我々のアプローチを実証的に評価し,制約違反や後悔の観点からその性能を比較した。
  論文  参考訳（メタデータ） (2024-07-08T09:55:31Z)
• 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)
• Dynamic Pricing and Learning with Long-term Reference Effects [16.07344044662994]
  本研究では,販売者が提示した過去の価格の基準価格が平均値となる,シンプルで斬新な参照価格メカニズムについて検討する。 このメカニズムの下では,モデルパラメータに関係なく,マークダウンポリシがほぼ最適であることを示す。 次に、需要モデルパラメータが不明な、より困難な動的価格と学習の問題について検討する。
  論文  参考訳（メタデータ） (2024-02-19T21:36:54Z)
• Contextual Dynamic Pricing with Strategic Buyers [93.97401997137564]
  戦略的買い手によるコンテキスト動的価格問題について検討する。 売り手は買い手の真の特徴を観察せず、買い手の戦略行動に応じて操作された特徴を観察する。 本稿では,販売者の累積収益を最大化するために,購入者の戦略的行動をオンライン学習に取り入れた戦略的動的価格政策を提案する。
  論文  参考訳（メタデータ） (2023-07-08T23:06:42Z)
• Dynamic Pricing and Learning with Bayesian Persuasion [18.59029578133633]
  我々は,商品の価格設定に加えて,販売者が「広告計画」にコミットする,新たな動的価格設定と学習環境を考える。 我々は、バイエルンの一般的な説得フレームワークを使用して、これらのシグナルが購入者の評価と購入反応に与える影響をモデル化する。 我々は、過去の購入応答を利用して最適な価格と広告戦略を適応的に学習できるオンラインアルゴリズムを設計する。
  論文  参考訳（メタデータ） (2023-04-27T17:52:06Z)
• Structured Dynamic Pricing: Optimal Regret in a Global Shrinkage Model [50.06663781566795]
  消費者の嗜好と価格感が時間とともに変化する動的モデルを考える。 我々は,モデルパラメータの順序を事前に把握している透視者と比較して,収益損失が予想される,後悔による動的価格政策の性能を計測する。 提案した政策の最適性を示すだけでなく,政策立案のためには,利用可能な構造情報を組み込むことが不可欠であることを示す。
  論文  参考訳（メタデータ） (2023-03-28T00:23:23Z)
• 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)
• Doubly Fair Dynamic Pricing [14.28146588978302]
  本稿では,2種類の公正性制約によるオンライン動的価格設定の問題について検討する。 手続き的かつ実質的な公正を兼ねた政策を「二重公正」と呼ぶ これは2つの公正性制約を同時に満たしながら価格を学習する最初の動的価格アルゴリズムである。
  論文  参考訳（メタデータ） (2022-09-23T20:02:09Z)
• Price DOES Matter! Modeling Price and Interest Preferences in Session-based Recommendation [55.0391061198924]
  セッションベースのレコメンデーションは、匿名ユーザが自分の短い行動シーケンスに基づいて購入したいアイテムを予測することを目的としている。 セッションベースのレコメンデーションの価格設定を組み込むのは簡単ではない。 セッションベースレコメンデーションのためのCoHHN(Co-guided Heterogeneous Hypergraph Network)を提案する。
  論文  参考訳（メタデータ） (2022-05-09T10:47:15Z)
• Multiple Dynamic Pricing for Demand Response with Adaptive Clustering-based Customer Segmentation in Smart Grids [9.125875181760625]
  本稿では,小売市場における需要応答に対する現実的なマルチダイナミックな価格設定手法を提案する。 提案するフレームワークは,実世界のデータセットに基づくシミュレーションによって評価される。
  論文  参考訳（メタデータ） (2021-06-10T16:47:15Z)

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。