[論文レビュー] Computational Aspects of Private Bayesian Persuasion

Yakov Babichenko, Siddharth Barman|arXiv (Cornell University)|Mar 4, 2016

Game Theory and Applications参考文献 18被引用数 11

ひとこと要約

本稿は、送信者が製品の質についてエージェントを個別に通知する私的ベイジアン・パーソージョンの計算的側面を研究する。送信者の効用関数が下に部分的である場合、多項式時間内に $(1 - 1/e)$-近似アルゴリズムを提示し、NP困難性を用いてこの近似比のタイトネスを証明する。一方、匿名型の効用関数では、最適な多項式時間計算が可能である。

ABSTRACT

We study computational questions in a game-theoretic model that, in particular, aims to capture advertising/persuasion applications such as viral marketing. Specifically, we consider a multi-agent Bayesian persuasion model where an informed sender (marketer) tries to persuade a group of agents (consumers) to adopt a certain product. The quality of the product is known to the sender, but it is unknown to the agents. The sender is allowed to commit to a signaling policy where she sends a private signal---say, a viral marketing ad---to every agent. This work studies the computation aspects of finding a signaling policy that maximizes the sender's revenue. We show that if the sender's utility is a submodular function of the set of agents that adopt the product, then we can efficiently find a signaling policy whose revenue is at least (1-1/e) times the optimal. We also prove that approximating the sender's optimal revenue by a factor better than (1-1/e) is NP-hard and, hence, the developed approximation guarantee is essentially tight. When the senders' utility is a function of the number of agents that adopt the product (i.e., the utility function is anonymous), we show that an optimal signaling policy can be computed in polynomial time. Our results are based on an interesting connection between the Bayesian persuasion problem and the evaluation of the concave closure of a set function.

研究の動機と目的

• マルチエージェントの私的ベイジアン・パーソージョンモデルにおける最適なシグナリングポリシーを求める計算複雑性を調査すること。
• 非対称情報と私的信号下での送信者の収益最大化のアルゴリズム的理解のギャップを埋めること。
• 下に部分的送信者効用関数に対してタイトな近似保証を提供すること。
• 送信者の報酬が従属者数にのみ依存する匿名型効用関数に対して、最適なシグナリングポリシーが多項式時間で計算可能であることを確立すること。
• ベイジアン・パーソージョンと集合関数の凹関数閉包との間の関係を探索し、アルゴリズム的および複雑性の結果を導出すること。

提案手法

• 既知の近似アルゴリズムを活用して、マトロイド制約下での下に部分的最適化問題として送信者の問題を定式化する。
• 最適期待収益を特徴付けるために、集合関数の凹関数閉包を用い、凸緩和技術を可能にする。
• 分数解を有効なシグナリングポリシーに変換するための確率的ラウンディング手順を適用する。
• 凹関数閉包の近似問題を、組合せオークションから知られている近似困難性結果に還元する。
• ラベルカバー還元を用いて、$(1 - 1/e)$ を超える近似がNP困難であることを証明する。
• 送信者の最適ポリシーと、単調な下に部分的集合関数の凹関数閉包の評価値 $a$ の間の同値性を確立する。

実験結果

リサーチクエスチョン

• RQ1 送信者の効用関数が下に部分的である場合、最適なシグナリングポリシーを多項式時間で計算できるか？
• RQ2 下に部分的効用関数下での送信者の収益に対して、達成可能な最良の近似比は何か？また、その比はタイトか？
• RQ3 どのような条件下で最適なシグナリングポリシーを多項式時間で正確に計算できるか？
• RQ4 集合関数の凹関数閉包は、最適なベイジアン・パーソージョンポリシーの計算とどのように関係するか？
• RQ5 下に部分的効用関数に対して、$(1 - 1/e)$ を超える近似が可能か？その複雑性的含意は何か？

主な発見

• 下に部分的送信者効用関数に対して、多項式時間アルゴリズムが最適収益の $(1 - 1/e)$-近似を達成する。
• 最適収益を $(1 - 1/e)$ よりもよく近似することはNP困難であるため、この近似比は本質的にタイトである。
• 送信者の効用関数が匿名型（従属者数にのみ依存）である場合、最適なシグナリングポリシーを多項式時間で計算可能である。
• 送信者の最適ポリシーを計算する問題は、単調な下に部分的集合関数の凹関数閉包の評価に等しい。
• 近似困難性結果は、組合せオークション問題への還元により導出され、任意の $\varepsilon > 0$ に対して $(1 - 1/e - \varepsilon)$-近似はNP困難であることが示された。
• ベイジアン・パーソージョンと凹関数閉包との関係により、アルゴリズム的解決策と強力な近似困難性バインディングの両方が得られた。