論文の概要: Doubly Fair Dynamic Pricing
- arxiv url: http://arxiv.org/abs/2209.11837v1
- Date: Fri, 23 Sep 2022 20:02:09 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-27 15:22:34.475854
- Title: Doubly Fair Dynamic Pricing
- Title(参考訳): ダブルフェアなダイナミック価格
- Authors: Jianyu Xu, Dan Qiao, Yu-Xiang Wang
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 14.28146588978302
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We study the problem of online dynamic pricing with two types of fairness
constraints: a "procedural fairness" which requires the proposed prices to be
equal in expectation among different groups, and a "substantive fairness" which
requires the accepted prices to be equal in expectation among different groups.
A policy that is simultaneously procedural and substantive fair is referred to
as "doubly fair". We show that a doubly fair policy must be random to have
higher revenue than the best trivial policy that assigns the same price to
different groups. In a two-group setting, we propose an online learning
algorithm for the 2-group pricing problems that achieves $\tilde{O}(\sqrt{T})$
regret, zero procedural unfairness and $\tilde{O}(\sqrt{T})$ substantive
unfairness over $T$ rounds of learning. We also prove two lower bounds showing
that these results on regret and unfairness are both information-theoretically
optimal up to iterated logarithmic factors. To the best of our knowledge, this
is the first dynamic pricing algorithm that learns to price while satisfying
two fairness constraints at the same time.
- Abstract(参考訳): 提案する価格が異なるグループ間で同等であるように要求する「手続き的公正性」と、受け入れられた価格が異なるグループ間で同等であるように要求する「実質的公正性」という2つの制約により、オンラインの動的価格問題を研究する。
同時に手続き的かつ実質的な公正である政策は「二重公正」と呼ばれる。
2倍の公正な政策は、異なるグループに同じ価格を割り当てる最も自明な政策よりも高い収益を得るためにランダムでなければならない。
2-グループ設定では,$\tilde{o}(\sqrt{t})$ regret, zero procedural unfairness, $\tilde{o}(\sqrt{t})$ substantive unfairness over$t$ の学習を実現する2-グループ価格問題に対するオンライン学習アルゴリズムを提案する。
また,後悔と不公平に関する結果が,反復的対数要因まで情報理論上最適であることを示す2つの下限を証明した。
我々の知る限りでは、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。
関連論文リスト
- Fair Active Ranking from Pairwise Preferences [6.102498508368527]
解離群に属する$n$の項目が与えられたとき、我々のゴールは、我々が提案する公正な目的関数に従って$(epsilon, delta)$-PACF-Rankingを見つけることである。
グループブラインドとグループアウェアの両方のアルゴリズムを提示し,そのサンプルパラメータを解析する。
論文 参考訳(メタデータ) (2024-02-05T18:09:48Z) - Causal Context Connects Counterfactual Fairness to Robust Prediction and
Group Fairness [15.83823345486604]
我々は、公正性と正確性の間に根本的なトレードオフがないことを示すことによって、事実的公正を動機付けます。
対実フェアネスは、比較的単純なグループフェアネスの測定によってテストされることがある。
論文 参考訳(メタデータ) (2023-10-30T16:07:57Z) - 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) - Online Learning under Budget and ROI Constraints via Weak Adaptivity [57.097119428915796]
制約付きオンライン学習問題に対する既存の原始双対アルゴリズムは、2つの基本的な仮定に依存している。
このような仮定は、標準の原始双対テンプレートを弱適応的後悔最小化器で与えることによって、どのように回避できるのかを示す。
上記の2つの前提が満たされていない場合に保証される、世界の最高の保証を証明します。
論文 参考訳(メタデータ) (2023-02-02T16:30:33Z) - 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) - Group Meritocratic Fairness in Linear Contextual Bandits [32.15680917495674]
エージェントがプールから1つの候補を選択し、各候補がセンシティブなグループに属するという線形文脈帯域問題について検討する。
エージェントのポリシーは、最も高い相対ランクの候補を選択する際に公平であることを示す公平性の概念を提案する。
論文 参考訳(メタデータ) (2022-06-07T09:54:38Z) - Fairness-aware Online Price Discrimination with Nonparametric Demand
Models [13.46602731592102]
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。
本稿では,厳格な価格公正性制約を強制する,後悔に関する最適動的価格政策を提案する。
論文 参考訳(メタデータ) (2021-11-16T04:31:02Z) - Fairer LP-based Online Allocation [13.478067250930101]
本稿では,リニアプログラム(LP)に基づくオンラインリソース割り当て問題について考察する。
内部点LPソルバを用いて不公平な資源支出を動的に検出するフェアアルゴリズムを提案する。
提案手法は最適化インスタンスの制約としてフェアネス要件を定式化せず,アルゴリズム設計の観点からこの問題に対処する。
論文 参考訳(メタデータ) (2021-10-27T17:45:20Z) - Linear Contextual Bandits with Adversarial Corruptions [91.38793800392108]
本稿では,敵対的腐敗の存在下での線形文脈的包帯問題について検討する。
逆汚染レベルに適応する分散認識アルゴリズムをC$で提案する。
論文 参考訳(メタデータ) (2021-10-25T02:53:24Z) - Robust Optimization for Fairness with Noisy Protected Groups [85.13255550021495]
ノイズが保護されたグループラベルに頼った結果について検討した。
頑健な最適化を用いた2つの新しいアプローチを提案する。
頑健なアプローチは、単純アプローチよりも真のグループ公平性を保証することが示される。
論文 参考訳(メタデータ) (2020-02-21T14:58:37Z) - Adversarial Attacks on Linear Contextual Bandits [87.08004581867537]
悪意のあるエージェントは、望ましい行動を実行するためにバンディットアルゴリズムを攻撃するインセンティブを持つ可能性がある。
悪意のあるエージェントは、線形コンテキストのバンドイットアルゴリズムに任意のアーム$T - o(T)$倍を$T$ステップで引き出すように強制することができる。
また,悪意のあるエージェントが単一コンテキストにおける帯域幅アルゴリズムの動作に影響を与えることに関心がある場合についても検討する。
論文 参考訳(メタデータ) (2020-02-10T15:04:09Z)
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。