[論文レビュー] Toward Controlling Discrimination in Online Ad Auctions

L. Elisa Celis, Anay Mehrotra+1 more|arXiv (Cornell University)|Jan 29, 2019

Auction Theory and Applications参考文献 33被引用数 16

ひとこと要約

本稿では、性別や人種などの感受性の高いユーザーグループにおける広告露出の公平性を保証しながら、オンライン広告プラットフォームの収益を最大化する制約付きオークションメカニズムを提案する。非凸最適化問題を局所的最大値のない構造的形に再定式化することで、勾配降下に基づくアルゴリズムを構築し、最小限の損失でほぼ最適な収益を達成するとともに、サブグループ間でのバランスの取れたオーディエンスカバレッジを維持する。これにより、広告オークションにおける公平性と収益の両立が可能であることが示された。

ABSTRACT

Online advertising platforms are thriving due to the customizable audiences they offer advertisers. However, recent studies show that advertisements can be discriminatory with respect to the gender or race of the audience that sees the ad, and may inadvertently cross ethical and/or legal boundaries. To prevent this, we propose a constrained ad auction framework that maximizes the platform's revenue conditioned on ensuring that the audience seeing an advertiser's ad is distributed appropriately across sensitive types such as gender or race. Building upon Myerson's classic work, we first present an optimal auction mechanism for a large class of fairness constraints. Finding the parameters of this optimal auction, however, turns out to be a non-convex problem. We show that this non-convex problem can be reformulated as a more structured non-convex problem with no saddle points or local-maxima; this allows us to develop a gradient-descent-based algorithm to solve it. Our empirical results on the A1 Yahoo! dataset demonstrate that our algorithm can obtain uniform coverage across different user types for each advertiser at a minor loss to the revenue of the platform, and a small change to the size of the audience each advertiser reaches.

研究の動機と目的

• 倫理的または法的基準に違反する可能性のある、オンライン広告プラットフォームにおける差別の的広告ターゲティングを是正すること。
• 性別や人種などの感受性の高いユーザータイプに対して、公平性制約のもとでプラットフォーム収益を最大化する真実性のあるオークションメカニズムを設計すること。
• これらの公平性制約のもとで最適オークションパラメータを計算するための効率的なアルゴリズムを開発すること。
• 公平性制約がプラットフォーム収益および広告主のオーディエンスカバレッジに与える影響を経験的に検証すること。

提案手法

• 感受性の高いユーザータイプごとの広告露出に対する公平性制約を組み込んだ、マイアソンの最適メカニズム理論に基づく制約付きオークションフレームワークを提案する。
• オークションパラメータのための非凸最適化問題を、鞍点や局所的最大値のない構造的形に再定式化し、勾配降下による収束を可能にする。
• 制約ポリトープ（Q）への射影と勾配計算を用いて、ユーザータイプごとのオーディエンス分布における公平性を強制する。
• ヘッセ行列のリプシッツ連続性およびスペクトルノルムの上限を用いて、アルゴリズムの安定性および収束保証を確保する。
• A1 Yahoo! データセットを用いて、公平性制約下での実世界の広告オークションダイナミクスをシミュレートする。
• 公平性制約を処理するために双対定式を適用し、各広告主の広告が感受性の高いユーザーグループにバランスの取れた割合で到達することを保証する。

実験結果

リサーチクエスチョン

• RQ1 性別や人種などの感受性の高いユーザーグループに均等な広告露出を保証しながら、プラットフォーム収益を最大化する真実性のあるオークションメカニズムを設計できるか？
• RQ2 収益や効率性に悪影響を及げることなく、公平性制約を広告オークションメカニズムに数学的に組み込む方法は何か？
• RQ3 得られる非凸最適化問題の計算複雑度はどの程度であり、再定式化によって取り扱い可能になるか？
• RQ4 公平性の強制が、広告プラットフォームの収益および個々の広告主のオーディエンスカバレッジにどの程度の影響を与えるか？
• RQ5 提案されたアルゴリズムは、プラットフォーム収益および広告主のオーディエンスサイズの損失を最小限に抑えながら、ほぼ最適な公平性を達成できるか？

主な発見

• 提案されたアルゴリズムは、各広告主について性別や人種などの異なるユーザータイプに均一なカバレッジを実現し、プラットフォームの収益損失はわずかにとどまる。
• 各広告主が到達するオーディエンスのサイズに小さな変化しか生じないため、広告主のオーディエンスへの影響は最小限である。
• 再定式化された最適化問題には局所的最大値や鞍点が存在しないため、勾配降下による収束が可能である。
• A1 Yahoo! データセットを用いた経験的結果から、近似的に最適な収益水準で公平性を達成できることを確認した。
• 厳しい公平性制約下でも、広告主の当選確率に著しい不利が生じないことが保証された。
• ヘッセ行列のスペクトルノルムが有界であるため、オークションパラメータの安定的かつ効率的な最適化が可能である。