[논문 리뷰] Pricing Queries Approximately Optimally

Vasilis Syrgkanis, Johannes Gehrke|arXiv (Cornell University)|2015. 08. 21.

Auction Theory and Applications참고 문헌 11인용 수 4

한 줄 요약

이 논문은 게임 이론 기반의 구매자 유틸리티 모델을 활용하여 쿼리 기반 데이터 마켓플레이스에 대한 다항 시간 로그 근사 가격 책정 기법을 제안하며, 쿼리 가격 책정에서 아르비트리지가 없는 조건과 메커니즘 설계에서 환경의 없음 조건 사이의 등가성을 수립한다. 실험 결과, 최적 수익의 약 99%를 달성하여 기존의 환경의 없음 가격 책정 알고리즘보다 각 인스턴스에서 뛰어난 성능을 보였다.

ABSTRACT

Data as a commodity has always been purchased and sold. Recently, web services that are data marketplaces have emerged that match data buyers with data sellers. So far there are no guidelines how to price queries against a database. We consider the recently proposed query-based pricing framework of Koutris et al and ask the question of computing optimal input prices in this framework by formulating a buyer utility model. We establish the interesting and deep equivalence between arbitrage-freeness in the query-pricing framework and envy-freeness in pricing theory for appropriately chosen buyer valuations. Given the approximation hardness results from envy-free pricing we then develop logarithmic approximation pricing algorithms exploiting the max flow interpretation of the arbitrage-free pricing for the restricted query language proposed by Koutris et al. We propose a novel polynomial-time logarithmic approximation pricing scheme and show that our new scheme performs better than the existing envy-free pricing algorithms instance-by-instance. We also present a faster pricing algorithm that is always greater than the existing solutions, but worse than our previous scheme. We experimentally show how our pricing algorithms perform with respect to the existing envy-free pricing algorithms and to the optimal exponentially computable solution, and our experiments show that our approximation algorithms consistently arrive at about 99% of the optimal.

연구 동기 및 목표

• 기존 연구에서 해결하지 못한 데이터 마켓플레이스에서 최적의 기본 쿼리 가격 설정이라는 근본적인 문제를 해결하기 위해.
• 유틸리티 이론을 활용해 구매자 선호도를 모델링함으로써 수익 극대화 가격 책정을 체계적으로 접근하기 위해.
• 단순한 쿼리 가격 책정 프레임워크 내에서 최적의 가격을 구하는 것으로, 데이터베이스 기반의 쿼리 가격 책정과 최적의 메커니즘 설계를 연결하기 위해.
• 기존의 환경의 없음 가격 책정 기법보다 수익성과 강건성 면에서 뛰어난 근사 알고리즘을 개발하기 위해.
• 실험적으로 제안된 기법이 다양한 인스턴스에서 최적 수익의 약 ~1% 이내로 근접한 수익을 달성함을 검증하기 위해.

제안 방법

• 각 구매자의 쿼리 결과에 대한 평가 가치를 알려진 값으로 모델링하여, 수익 극대화 문제로 변환한다.
• Koutris 등이 제안한 쿼리 기반 가격 책정 프레임워크를 적용하며, 기본 쿼리 가격이 기본 가격 함수를 통해 모든 파생 쿼리 가격을 결정한다.
• 쿼리 가격 책정에서의 아르비트리지가 없는 조건과 메커니즘 설계에서의 환경의 없음 조건 사이의 구조적 등가성을 수립하여 기법 이전 전이가 가능하도록 한다.
• 제한된 쿼리 언어(예: 일반화된 체인 쿼리)에 대해 가격 함수를 최대 유량 해석을 통해 적용하여 다항 시간 계산이 가능하게 한다.
• 랜덤 가격 책정 보장을 비확률화하기 위해 선형 프로그래밍을 활용한 새로운 다중 가격 기법을 개발하여 수익의 강건성을 향상시킨다.
• 기존의 단일 가격 책정 기법보다 항상 더 높은 수익을 보장하는 더 빠른 조합적 다중 가격 알고리즘을 제안하며, 이는 LP 기반 기법보다 略적으로 낮은 성능을 보이지만 여전히 뛰어난 성능을 발휘한다.

실험 결과

연구 질문

• RQ1 쿼리 기반 가격 책정 프레임워크에서 데이터 마켓플레이스의 최적 기본 쿼리 가격은 어떻게 계산할 수 있는가?
• RQ2 쿼리 가격 책정에서의 아르비트리지가 없는 조건과 메커니즘 설계에서의 환경의 없음 조건 사이의 관계는 무엇인가?
• RQ3 실제로 기존의 환경의 없음 가격 책정 기법보다 뛰어난 성능을 보이는 근사 알고리즘을 쿼리 가격 책정에 대해 개발할 수 있는가?
• RQ4 근사 알고리즘이 실제 데이터 마켓플레이스 환경에서 얼마나 근접한 최적 수익을 달성할 수 있는가?
• RQ5 가격 함수의 구조적 성질(예: 최대 유량 환원 가능성)을 활용하여 효율적이고 고수익을 내는 가격 책정 알고리즘을 설계할 수 있는가?

주요 결과

• 논문은 쿼리 가격 책정에서의 아르비트리지가 없는 조건과 메커니즘 설계에서의 환경의 없음 조건 사이에 깊은 등가성을 수립하며, 이는 이전 연구의 공리 체계를 유틸리티 기반 기반으로 정당화한다.
• 제안된 LP 기반 다중 가격 기법은 최적 가격을 계산할 수 있는 작은 인스턴스에 대한 실험 평가에서 항상 약 99%의 최적 수익을 달성한다.
• 새로운 다중 가격 기법은 각 인스턴스별로 기존의 환경의 없음 가격 책정 알고리즘보다 뛰어난 수익 성능을 보이며, 더 뛰어난 수익 성능을 입증한다.
• 더 빠른 조합적 다중 가격 알고리즘을 제안하며, 이는 이전의 단일 가격 책정 기법보다 항상 더 높은 수익을 보장하지만, LP 기반 기법보다 略적으로 낮은 성능을 보인다.
• 가격 함수의 구조적 성질—특히 일반화된 체인 쿼리에 대해 최대 유량으로 환원 가능한 성질—을 활용하여 효율적인 계산과 근사가 가능하다.
• 결과적으로, LP 기반 다중 가격 기법은 실질적으로 비확률화되어 강건하고 고수익을 내는 결과를 도출할 수 있음을 시사한다.