[논문 리뷰] Mechanism Design for Crowdsourcing: An Optimal 1-1/e Competitive Budget-Feasible Mechanism for Large Markets

Nima Anari, Gagan Goel외 1명|arXiv (Cornell University)|2014. 05. 10.

Mobile Crowdsensing and Crowdsourcing참고 문헌 2인용 수 7

한 줄 요약

이 논문은 대규모 커뮤니티 소싱 시장에서 참을 수 있는, 진실성 보장된 예산 준수 메커니즘을 제안하며, 이는 최적의 경쟁 비율 $1 - 1/e \approx 0.63$ 을 달성한다. 이 메커니즘은 비례 분배의 일반화이며, 신중하게 설계된 지불 방식을 사용하는 매개변수화된 할당 규칙을 통해 참을 수 있는 예산과 진실성 보장을 확보하며, 요청자 예산 대비 개인 작업자 비용이 작은 대규모 시장에서 이전의 결과보다 크게 향상된다.

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.

연구 동기 및 목표

• 요청자 예산에 비해 개인 작업자 비용이 작은 대규모 커뮤니티 소싱 시장에서 참을 수 있고 예산 준수 가능한 메커니즘을 설계하는 것.
• 이전 메커니즘이 최적적이지 않아서 발생하는 상한선과 달성 가능한 근사 비율 사이의 격차를 메우는 것.
• $1 - 1/e$ 가 참을 수 있고 예산 준수 가능한 메커니즘으로서 달성 가능한 최적의 근사 비율임을 입증하는 것.
• 하위모듈라 utility 함수로의 프레임워크 확장을 통해 대규모 시장에서 개선된 메커니즘을 제공하는 것.

제안 방법

• 일반화된 비례 분배 규칙에 기반한 매개변수화된 선호 없음, 참을 수 있는 메커니즘의 클래스를 제안한다.
• 보고된 비용과 인센티브를 일치시켜 참을 수 있는 메커니즘을 보장하는 지불 규칙을 설계한다.
• 예산 제약 하에 최적 해를 근사하기 위해 탐욕적 순서 구성과 임계값 기반 할당을 사용한다.
• 분수 할당을 정수 할당으로 변환하면서 근사 보장을 유지하기 위해 라운딩 절차를 적용한다.
• 거의 예산 준수 가능한 메커니즘을 근사 비율에 거의 손실 없이 엄격한 예산 준수 가능 메커니즘으로 변환하기 위한 예산 감소 기법을 도입한다.
• 대규모 시장에서의 효용과 비용 집중도를 분석하기 위해 Hoeffding 부등식을 활용한다.

실험 결과

연구 질문

• RQ1 대규모 커뮤니티 소싱 시장에서 참을 수 있고 예산 준수 가능한 메커니즘이 $1/2$ 보다 높은 근사 비율을 달성할 수 있는가?
• RQ2 대규모 시장에서 참을 수 있고 예산 준수 가능한 메커니즘에 대해 $1 - 1/e$ 근사 비율이 날카로운가?
• RQ3 강력한 근사 보장을 유지하면서 하위모듈라 utility 함수로의 프레임워크 확장을 어떻게 수행할 수 있는가?
• RQ4 성능에 상당한 손실 없이 거의 예산 준수 가능한 메커니즘을 엄격한 예산 준수 가능 메커니즘으로 변환하는 방법은 무엇인가?

주요 결과

• 제안된 메커니즘은 $1 - 1/e \approx 0.63$ 의 경쟁 비율을 달성하며, 이는 최적이며 어떤 참을 수 있는 메커니즘으로서도 향상될 수 없다.
• 모든 참을 수 있고 예산 준수 가능한 메커니즘이 $1 - 1/e$ 를 초월하는 비율을 달성할 수 없음을 보여줌으로써 이 메커니즘이 최적임을 증명한다.
• 하위모듈라 utility 함수의 경우, 이전 연구 대비 개선된 근사 비율을 확보하는 다항식 시간 메커니즘을 제시한다.
• 대규모 시장에서 이 메커니즘은 근사 비율이 $1/2$ 에 임의로 가까운 엄격한 예산 준수 가능 메커니즘으로 변환될 수 있다.
• 개별 비용이 예산에 비해 작은 대규모 시장 가정은 이전의 소규모 시장 설정에서의 불가능성 결과들에 비해 상당한 향상을 가능하게 한다.