[論文レビュー] Conducting Truthful Surveys, Cheaply

Aaron Roth, Grant Schoenebeck|Scholarly Commons (University of Pennsylvania)|Mar 2, 2012

Privacy-Preserving Technologies in Data参考文献 7被引用数 9

ひとこと要約

本稿では、参加コストの事前分布が既知である場合に、最小の分散またはコストで真実のアンケートを実施するためのベイジアン最適メカニズムを提案する。参加コストの事前分布に基づいて、受け入れるか拒否するかの提示価格を用いた「受け入れるか拒否するか」の提示方式を採用する。最適メカニズムは、単一の提示価格分布の設計に還元可能であり、推定誤差を最小化しながら、事後支配戦略の真実性を達成する。

ABSTRACT

We consider the problem of conducting a survey with the goal of obtaining an unbiased estimator of some population statistic when individuals have unknown costs (drawn from a known prior) for participating in the survey. Individuals must be compensated for their participation and are strategic agents, and so the payment scheme must incentivize truthful behavior. We derive optimal truthful mechanisms for this problem for the two goals of minimizing the variance of the estimator given a fixed budget, and minimizing the expected cost of the survey given a fixed variance goal.

研究の動機と目的

• 固定された予算制約下で推定誤差の分散を最小化する真実のアンケートメカニズムを設計すること。
• 推定誤差の分散を固定したまま、期待されるアンケートコストを最小化すること。
• インcentive-compatibleな支払いルールにより、個人が自らの私的な参加コストを真実に報告することを保証すること。
• 複雑なメカニズム設計問題を、提示価格の単一の分布に関する取り扱い可能な最適化問題に簡略化すること。
• 「受け入れるか拒否するか」の提示方式が最適性を達成するのに十分であることを確立することにより、設計空間を単純化すること。

提案手法

• 著者らは、いかなる真実のメカニズムでも、推定誤差の性質と期待コストが同一である「受け入れるか拒否するか」の同等メカニズムに置き換え可能であることを示す定理を証明した。
• そのような「受け入れるか拒否するか」メカニズムのクラスについて、制約付き変分法を用いて提示価格の最適分布を導出することで最適化を実施した。
• 目的関数がコストと分散の連続的かつ凸的かつ単調な関数である制約付き最適化問題を解くことで、最適メカニズムを導出した。
• 解法では、コストと分散のトレードオフを調整するパラメータ $ \alpha $ を用いて、$ \alpha $ に依存する分布 $ \bar{G}_{\mathcal{F},\alpha} $ を構築した。
• コスト事前分布 $ \mathcal{F} $ に基づき、参加が提示されるかどうかを決定する臨界閾値 $ \bar{x}_{\mathcal{F},\alpha} $ が用いられた。
• 最適メカニズムは、事後支配戦略の真実性を達成しており、参加者が常に真実のコストを報告することが自身の利益に直結する。

実験結果

リサーチクエスチョン

• RQ1 固定された予算制約下で推定誤差の分散を最小化する最適な真実のメカニズムは何か？
• RQ2 推定誤差の分散を固定したまま、期待されるアンケートコストを最小化する最適なメカニズムは何か？
• RQ3 複雑なメカニズムではなく、提示価格の単一の分布の最適化に帰着可能なメカニズム設計問題は存在するか？
• RQ4 コスト事前分布にゼロに近い質量が集中している場合、最適メカニズムはどのように振る舞い、また解が存在しなくなる条件は何か？
• RQ5 事前分布が未知であり学習が必要な場合、最適メカニズムはどのように変化するか？

主な発見

• 固定された予算制約下で分散を最小化する最適メカニズムは、「受け入れるか拒否するか」の提示方式であり、参加コストの事前分布 $ \mathcal{F} $ に基づいて提示価格の分布を導出する。最適な提示価格分布は $ \bar{G}_{\mathcal{F},\alpha} $ である。
• このメカニズムは、事後支配戦略の真実性を達成しており、参加者が常に真実のコストを報告することが保証される。
• 事前分布 $ \mathcal{F} $ がゼロに近い点に質量を持たない限り、一意な最適解が存在する。逆に、ゼロに近い点に無限の参加インcentiveが生じるため、解が存在しない場合がある。
• 目的関数が最小化されるのは、閾値 $ \bar{x}_{\mathcal{F},\alpha} = 0 $ のときであり、これは $ \alpha $ が十分に小さい場合に成立する。
• 最適メカニズムは、サンプル数 $ n $ とトレードオフパラメータ $ \alpha $ の間に逆関係がある。具体的には $ \alpha = \lambda / n^2 $ とすることで、コストと分散のバランスが取れる。
• 特に $ \beta = 0 $ の場合、異なる $ n $ における目的関数値を比較することで最適メカニズムを計算可能であり、$ n $ が増加するに従い、解は安定した形に収束する。