[論文レビュー] Mechanism Design for Crowdsourcing: An Optimal 1-1/e Competitive Budget-Feasible Mechanism for Large Markets

Nima Anari, Gagan Goel+1 more|arXiv (Cornell University)|May 10, 2014

Mobile Crowdsensing and Crowdsourcing参考文献 2被引用数 7

ひとこと要約

本稿では、大規模なクラウドソーシング市場において、真実性と予算適合性を満たす新規なメカニズムを提示しており、競合比 $1 - 1/e \approx 0.63$ を達成しており、これが最適である。このメカニズムは比例配分を一般化したものであり、真実性と予算適合性を保証するように巧みに設計された支払いルールを用いたパラメータ化された割当ルールを採用しており、個々の作業者コストがリクエスターの予算に対して小さい大規模市場において、従来の境界を著しく改善している。

ABSTRACT

In this paper we consider a mechanism design problem in the context of large-scale crowdsourcing markets such as Amazon's Mechanical Turk, ClickWorker, CrowdFlower. In these markets, there is a requester who wants to hire workers to accomplish some tasks. Each worker is assumed to give some utility to the requester. Moreover each worker has a minimum cost that he wants to get paid for getting hired. This minimum cost is assumed to be private information of the workers. The question then is - if the requester has a limited budget, how to design a direct revelation mechanism that picks the right set of workers to hire in order to maximize the requester's utility. We note that although the previous work has studied this problem, a crucial difference in which we deviate from earlier work is the notion of large-scale markets that we introduce in our model. Without the large market assumption, it is known that no mechanism can achieve an approximation factor better than 0.414 and 0.5 for deterministic and randomized mechanisms respectively (while the best known deterministic and randomized mechanisms achieve an approximation ratio of 0.292 and 0.33 respectively). In this paper, we design a budget-feasible mechanism for large markets that achieves an approximation factor of 1-1/e (i.e. almost 0.63). Our mechanism can be seen as a generalization of an alternate way to look at the proportional share mechanism which is used in all the previous works so far on this problem. Interestingly, we also show that our mechanism is optimal by showing that no truthful mechanism can achieve a factor better than 1-1/e; thus, fully resolving this setting. Finally we consider the more general case of submodular utility functions and give new and improved mechanisms for the case when the markets are large.

研究の動機と目的

• リクエスターの予算に対して個々の作業者コストが小さい大規模なクラウドソーシング市場において、真実的かつ予算適合可能なメカニズムを設計すること。
• 従来のメカニズムが非最適であった大規模市場において、既知の上界と達成可能な近似比のギャップを埋めること。
• $1 - 1/e$ が真実的かつ予算適合可能なメカニズムによって達成可能な最良の近似比であることを確立すること。
• サブモodularな利得関数へと枠組みを拡張し、大規模市場における改善されたメカニズムを提供すること。

提案手法

• 一般化された比例配分ルールに基づく、 envy-free で真実的なメカニズムのパラメータ化されたクラスを提案する。
• 報告されたコストとインcentivesを一致させることで真実性を保証する支払いルールを設計する。
• 予算制約下での最適解を近似するために、グリーディな順序構築としきい値ベースの割当を用いる。
• 分数割当を整数割当に変換するラウンド化手順を適用し、近似保証を維持する。
• ほぼ予算適合可能なメカニズムを最小限の近似損失で厳密に予算適合可能なものに変換するための予算削減技術を導入する。
• 大規模市場における利得とコストの集中を分析するために、Hoeffdingの不等式を用いる。

実験結果

リサーチクエスチョン

• RQ1 真実的かつ予算適合可能なメカニズムは、大規模なクラウドソーシング市場で $1/2$ よりも良い近似比を達成できるか？
• RQ2 真実的かつ予算適合可能なメカニズムにおいて、$1 - 1/e$ の近似比が大規模市場でタイトであるか？
• RQ3 サブモジュラー利得関数へと枠組みを拡張できるか、かつ強力な近似保証を維持できるか？
• RQ4 ほぼ予算適合可能なメカニズムを、性能に顕著な損失なしに厳密に予算適合可能なものに変換する方法は何か？

主な発見

• 提案されたメカニズムは、$1 - 1/e \approx 0.63$ の競合比を達成しており、これが最適であり、いかなる真実的メカニズムでも改善できない。
• 真実的かつ予算適合可能なメカニズムが $1 - 1/e$ よりも良い比を達成できないことを示すことにより、このメカニズムの最適性が証明されている。
• サブモジュラー利得関数の場合、従来の研究より改善された近似比を達成する多項式時間メカニズムが提示されている。
• 大規模市場において、メカニズムは近似比が $1/2$ に限りなく近い厳密に予算適合可能なものに変換可能である。
• 個々のコストが予算に対して小さいという大規模市場の仮定により、小規模市場の設定における従来の不可能性結果に対して顕著な改善が可能になった。