[論文レビュー] Scalable Fair Division for 'At Most One' Preferences

Christian Kroer, Alexander Peysakhovich|arXiv (Cornell University)|Sep 24, 2019

Game Theory and Voting Systems参考文献 28被引用数 5

ひとこと要約

本稿では、『たかだか1つ』（AMO）の好み—つまり、各アイテムについて最大1単位まで希望する—という条件下で、スケーラブルな公平配分の解決策を提示する。凸計画法により計算される最大ネッシー・ウェルファーウェルト（MNW）解が、大規模で低ランクのインスタンスにおいて、等収入からの競争均衡（CEEI）を近似することを示している。主な貢献は、このMNWアプローチがCEEIが有する望ましい性質（パレート最適性、偏りなし）を大規模な状況で継承できることであり、これによりスケールに応じた公平な割り当ての多項式時間計算が可能になる。

ABSTRACT

Allocating multiple scarce items across a set of individuals is an important practical problem. In the case of divisible goods and additive preferences a convex program can be used to find the solution that maximizes Nash welfare (MNW). The MNW solution is equivalent to finding the equilibrium of a market economy (aka. the competitive equilibrium from equal incomes, CEEI) and thus has good properties such as Pareto optimality, envy-freeness, and incentive compatibility in the large. Unfortunately, this equivalence (and nice properties) breaks down for general preference classes. Motivated by real world problems such as course allocation and recommender systems we study the case of additive `at most one' (AMO) preferences - individuals want at most 1 of each item and lotteries are allowed. We show that in this case the MNW solution is still a convex program and importantly is a CEEI solution when the instance gets large but has a `low rank' structure. Thus a polynomial time algorithm can be used to scale CEEI (which is in general PPAD-hard) for AMO preferences. We examine whether the properties guaranteed in the limit hold approximately in finite samples using several real datasets.

研究の動機と目的

• 個々の参加者が各アイテムについて最大1つまで希望する状況下で、分割不能または部分的に分割可能なアイテムの公平で効率的かつスケーラブルな割り当てを実現すること。
• 加法的『たかだか1つ』（AMO）好みにおける最大ネッシー・ウェルファーウェルト（MNW）解が、等収入からの競争均衡（CEEI）が有する望ましい性質（パレート最適性、偏りなし）を継承するかどうかを調査すること。
• 大規模で低ランクのインスタンスにおいて、凸計画法によるMNW解がCEEI解を近似できることを示し、これにより通常はPPAD困難なCEEIに対して多項式時間で計算可能な公平な割り当てが可能になること。
• 実世界のデータセット（コース割り当ておよびレコメンデーションシステムを含む）を用いて、AMO-MNW手法の実用的性能およびインcentive compatibility（インcentive適合性）を評価すること。

提案手法

• AMO-MNW問題を、AMO制約下での分割不能または分数割り当てに適応したEisenberg-Galeフレームワークを活用した凸最適化プログラムとして定式化する。
• 市場の極限においてAMO-MNWがCEEI解に収束することを理論的に保証するため、評価値に低ランク構造の仮定を導入する。
• 勾配ベースの手法を用いて凸MNWプログラムを効率的に解き、大規模な割り当て問題へのスケーラビリティを実現する。
• ベイズ最適化を用いて、真実の報告からの利益を得るための逸脱を探索し、AMO-MNWの戦略的適合性（strategyproofness）を有限サンプルで評価する。
• 操作による利得向上の理論的境界を確立し、市場が大きく、評価値の集合が密に固まっている場合には、利得の向上が任意に小さくなることを示す。
• ハーバード・ビジネススクールのコース割り当ておよび映画レコメンデーションシステムの実データセットを用いて、公平性と実行時間の観点からMNWと標準的なCEEI実装を比較して、手法の妥当性を実証的に検証する。

実験結果

リサーチクエスチョン

• RQ1 大規模で低ランクのAMOインスタンスにおいて、AMO好み下での最大ネッシー・ウェルファーウェルト（MNW）解は、等収入からの競争均衡（CEEI）を近似するか？
• RQ2 一般にPPAD困難であるCEEIとは対照的に、AMO好み下でのMNW解は多項式時間で計算可能か？
• RQ3 有限で現実世界のインスタンスにおけるAMO-MNWにおいて、CEEIの公平性および効率性の性質（例：パレート最適性、偏りなし）はどの程度近似的に成立するか？
• RQ4 AMO-MNWメカニズムは戦略的操作に対してどの程度頑健であり、虚偽報告による潜在的な利得の大きさはどの程度か？
• RQ5 実データセットにおいて、公平性および計算効率の観点から、AMO-MNWの性能は標準的なCEEI実装と比べてどの程度か？

主な発見

• 大規模で低ランクのAMOインスタンスにおいて、凸計画法によるMNW解はCEEI解を近似し、パレート最適性や偏りなしといった望ましい性質を継承する。
• AMO-MNW手法は、特に大規模な設定において、標準的なCEEI実装と比較して顕著な高速化を達成しており、高い公平性と効率性を維持している。
• ハーバード・ビジネススクールおよび映画レコメンデーションシステムの実データセットを用いた実証的評価では、AMO-MNWが正確なCEEIと比較して公平性の損失が最小限に抑えられた高品質な割り当てを生成していることが示された。
• AMO-MNWにおける好みの戦略的操作はわずかな利得しかもたらさず、ベイズ最適化を用いてもそのような逸脱を容易に見つけることはできず、実際には強いインcentive適合性が示された。
• 理論的分析により、操作による利得向上の上限が存在し、市場規模を拡大させるとともに評価値の集合をより密にすることで、その利得を任意に小さくできることが示された。
• 本手法は計算的に効率的かつスケーラブルであり、勾配ベースの凸MNWプログラムの解法により、極めて大規模な割り当て問題への展開が可能である。