論文の概要: Towards Fairness in Personalized Ads Using Impression Variance Aware Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2306.03293v1
• Date: Mon, 5 Jun 2023 22:38:21 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-07 18:00:18.033139
• Title: Towards Fairness in Personalized Ads Using Impression Variance Aware Reinforcement Learning
• Title（参考訳）: 印象分散を考慮した強化学習によるパーソナライズ広告の公平性
• Authors: Aditya Srinivas Timmaraju, Mehdi Mashayekhi, Mingliang Chen, Qi Zeng, Quintin Fettes, Wesley Cheung, Yihan Xiao, Manojkumar Rangasamy Kannadasan, Pushkar Tripathi, Sean Gahagan, Miranda Boge, Rob Roudani
• Abstract要約: Metaの広告システムにおいて、より公平な結果を達成するための可変還元システム(VRS)。 まず、広告印象のばらつきの観点から、公平さのギャップを定量化する指標を定義した。 次に、インプレッションのばらつきを意識した方法で広告をランク付けするためのVRSを示す。
• 参考スコア（独自算出の注目度）: 9.246089899723744
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Variances in ad impression outcomes across demographic groups are increasingly considered to be potentially indicative of algorithmic bias in personalized ads systems. While there are many definitions of fairness that could be applicable in the context of personalized systems, we present a framework which we call the Variance Reduction System (VRS) for achieving more equitable outcomes in Meta's ads systems. VRS seeks to achieve a distribution of impressions with respect to selected protected class (PC) attributes that more closely aligns the demographics of an ad's eligible audience (a function of advertiser targeting criteria) with the audience who sees that ad, in a privacy-preserving manner. We first define metrics to quantify fairness gaps in terms of ad impression variances with respect to PC attributes including gender and estimated race. We then present the VRS for re-ranking ads in an impression variance-aware manner. We evaluate VRS via extensive simulations over different parameter choices and study the effect of the VRS on the chosen fairness metric. We finally present online A/B testing results from applying VRS to Meta's ads systems, concluding with a discussion of future work. We have deployed the VRS to all users in the US for housing ads, resulting in significant improvement in our fairness metric. VRS is the first large-scale deployed framework for pursuing fairness for multiple PC attributes in online advertising.
• Abstract（参考訳）: グループ間での広告印象結果のばらつきは、パーソナライズされた広告システムにおけるアルゴリズムバイアスを示す可能性があると考えられている。 パーソナライズされたシステムのコンテキストに適用可能なフェアネスの定義は数多く存在するが,メタの広告システムにおいて,より公平な結果を達成するために,VRS(Variance Reduction System)と呼ばれるフレームワークを提案する。 VRSは、選択された保護されたクラス(PC)属性に対する印象の分配を目指しており、広告を閲覧する視聴者(広告主が基準をターゲティングする機能)の人口統計をプライバシー保護の方法でより緊密に調整している。 まず、性別や推定人種を含むpc属性に対する広告印象のばらつきの観点からフェアネスギャップを定量化するメトリクスを定義する。 次に、インプレッション分散を意識した方法で広告のランク付けを行うVRSを示す。 パラメータ選択に関する広範囲なシミュレーションによりVRSを評価し,VRSが選択した公正度測定値に与える影響を検討した。 最終的に、VRSをMetaの広告システムに適用したオンラインA/Bテスト結果を提示し、今後の作業について議論する。 われわれはこのVRSを米国の全ユーザーに対してハウジング広告のために展開し、フェアネスの指標を大幅に改善した。 VRSは、オンライン広告における複数のPC属性の公平性を追求する最初の大規模なデプロイフレームワークである。

関連論文リスト

• Auditing for Bias in Ad Delivery Using Inferred Demographic Attributes [50.37313459134418]
  広告配信のブラックボックス監査において,予測誤差が偏見の監査に与える影響について検討した。 本稿では,広告配信アルゴリズムのスキュー評価において,推測誤差を軽減する手法を提案する。
  論文  参考訳（メタデータ） (2024-10-30T18:57:03Z)
• Auditing for Racial Discrimination in the Delivery of Education Ads [50.37313459134418]
  本稿では,教育機会のための広告配信において,人種的偏見を評価できる新たな第三者監査手法を提案する。 メタのアルゴリズムによる教育機会の広告配信における人種差別の証拠を見つけ、法的および倫理的懸念を訴える。
  論文  参考訳（メタデータ） (2024-06-02T02:00:55Z)
• Differentially Private Ad Conversion Measurement [44.91290951502002]
  我々は、差分プライバシー(DP)を用いたプライベート広告変換測定のための公式なフレームワークを開発する。 特に、帰属規則の運用上有効な構成の概念を定義する。 次に、実際に最も一般的に発生する構成の集合に対して、完全な特徴付けを提供する。
  論文  参考訳（メタデータ） (2024-03-22T14:18:52Z)
• Evaluating the Fairness of Discriminative Foundation Models in Computer Vision [51.176061115977774]
  本稿では,CLIP (Contrastive Language-Pretraining) などの差別基盤モデルのバイアス評価のための新しい分類法を提案する。 そして、これらのモデルにおけるバイアスを緩和するための既存の手法を分類学に関して体系的に評価する。 具体的には,ゼロショット分類,画像検索,画像キャプションなど,OpenAIのCLIPとOpenCLIPモデルをキーアプリケーションとして評価する。
  論文  参考訳（メタデータ） (2023-10-18T10:32:39Z)
• Ad-load Balancing via Off-policy Learning in a Content Marketplace [9.783697404304025]
  広告ロードバランシングは、オンライン広告システム、特にソーシャルメディアプラットフォームにおける重要な課題である。 従来のアドロードバランシングのアプローチは静的アロケーションポリシに依存しており、ユーザの好みやコンテキスト要因の変更に適応できない。 本稿では、ログ化された盗聴フィードバックから、政治外の学習と評価を活用するアプローチを提案する。
  論文  参考訳（メタデータ） (2023-09-19T09:17:07Z)
• Online Ad Procurement in Non-stationary Autobidding Worlds [10.871587311621974]
  本稿では,複数次元決定変数,帯域幅フィードバック,長期不確実な制約を用いたオンライン意思決定のための原始双対アルゴリズムを提案する。 提案アルゴリズムは, 逆数, 逆数, 周期的, エルゴディックな手順により, 調達結果が生成されると, 多くの世界では, 後悔の度合いが低いことを示す。
  論文  参考訳（メタデータ） (2023-07-10T00:41:08Z)
• Discrimination through Image Selection by Job Advertisers on Facebook [79.21648699199648]
  求人広告における新たな差別手段の出現状況について検討する。 ターゲティングとデリバリーの両方を組み合わせ、求人広告画像の特定の人口層を不均等に表現したり排除したりする。 私たちはFacebook Ad Libraryを使って、このプラクティスの有病率を実証しています。
  論文  参考訳（メタデータ） (2023-06-13T03:43:58Z)
• VFed-SSD: Towards Practical Vertical Federated Advertising [53.08038962443853]
  本稿では,2つの制限を緩和する半教師付き分割蒸留フレームワーク VFed-SSD を提案する。 具体的には,垂直分割された未ラベルデータを利用する自己教師型タスクMatchedPair Detection (MPD) を開発する。 当社のフレームワークは,デプロイコストの最小化と大幅なパフォーマンス向上を図った,リアルタイム表示広告のための効率的なフェデレーション強化ソリューションを提供する。
  論文  参考訳（メタデータ） (2022-05-31T17:45:30Z)
• Mid-flight Forecasting for CPA Lines in Online Advertising [6.766999405722559]
  本稿では,飛行中におけるCPAラインの予測問題について検討する。 提案手法は,様々な性能指標と最適化信号の関係性を生成する。 広告主の支出と効果的なコスト・パー・アクション(eCPA)との関係も特徴である。
  論文  参考訳（メタデータ） (2021-07-15T17:48:15Z)
• Auditing for Discrimination in Algorithms Delivering Job Ads [70.02478301291264]
  我々は,求人広告配信における識別アルゴリズムのブラックボックス監査のための新しい手法を開発した。 最初のコントリビューションは、性別や人種などの保護されたカテゴリーによる、広告配信における歪の区別です。 第2に,他の要因と資格の違いによって説明可能なスクリューを区別する監査手法を開発する。 第3に、提案手法を求人広告のための2つの主要なターゲット広告プラットフォーム、FacebookとLinkedInに適用する。
  論文  参考訳（メタデータ） (2021-04-09T17:38:36Z)

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。