[논문 리뷰] Revenue Maximization via Hiding Item Attributes

Mingyu Guo, Argyrios Deligkas|arXiv (Cornell University)|2013. 02. 21.

Auction Theory and Applications참고 문헌 8인용 수 14

한 줄 요약

이 논문은 입찰자에게 항목 속성(예: 연령, 성별, 위치)을 선택적으로 숨김으로써 확률적 제2차입찰 경매에서 수익을 극대화하는 데 있어 속성 숨기기(attribute hiding)를 자연스럽고 효과적인 방법으로 제안한다. 최적의 속성 숨기기 기법이 NP-난이도임을 증명하고, 사전처리를 통해 다항시간에 계산 가능한 상한선을 유도하며, 실험적으로 상한선에 가까운 수익을 달성하는 두 가지 휴리스틱 기법—트리 구조 분할과 최대 가중치 매칭—을 제안한다.

ABSTRACT

We study probabilistic single-item second-price auctions where the item is characterized by a set of attributes. The auctioneer knows the actual instantiation of all the attributes, but he may choose to reveal only a subset of these attributes to the bidders. Our model is an abstraction of the following Ad auction scenario. The website (auctioneer) knows the demographic information of its impressions, and this information is in terms of a list of attributes (e.g., age, gender, country of location). The website may hide certain attributes from its advertisers (bidders) in order to create thicker market, which may lead to higher revenue. We study how to hide attributes in an optimal way. We show that it is NP-hard to solve for the optimal attribute hiding scheme. We then derive a polynomial-time solvable upper bound on the optimal revenue. Finally, we propose two heuristic-based attribute hiding schemes. Experiments show that revenue achieved by these schemes is close to the upper bound.

연구 동기 및 목표

• 속성의 분할이 너무 미세해지면서 시장이 얕아질 경우 발생하는 수익 손실 문제를 해결하기 위해.
• 광고 경매에서 정보를 숨기는 데 있어 클러스터링이나 신호 전송과는 대조적으로 속성 숨기기를 자연스러운 대안으로 탐색하기 위해.
• 자연스러운 묶음 방식을 통해 해석 가능성은 유지하면서도 계산 효율성이 높은 수익 극대화 기법을 설계하기 위해.
• 실용적이고 최적에 가까운 실천 가능한 이론적 상한선과 휴리스틱 기법을 제안하기 위해 속성 숨기기 기법에 대해 수립하기 위해.

제안 방법

• 입찰자가 전체 속성 정보를 알고 있지만 일부 속성 정보를 숨길 수 있는 확률적 단일 품목 제2차입찰 경매 모델을 정형화한다.
• 다시 분할 가능하여 더 높은 수익을 얻을 수 있는 자연스러운 묶음은 제거하는 사전처리 규칙을 도입함으로써, 상한선을 위한 선형계획문의 크기를 줄인다.
• 속성 숨기기를 기반으로 하여 자연스러운 묶음 조건을 유지하면서 수익을 극대화하기 위해 재귀적으로 묶음을 분할하는 트리 구조 휴리스틱을 제안한다.
• 이진 속성에 대해서는 최대 가중치 매칭을 적용하여 최대 한 개의 속성만 숨길 수 있는 최적의 기법을 찾으며, 간선의 가중치는 묶음의 수익에 기반한다.
• 사전처리된 변수를 사용한 선형계획법을 통해 최적 수익의 다항시간 상한선을 계산한다.
• 다양한 수의 속성, 속성 값, 입찰자를 가진 시뮬레이션을 통해 휴리스틱 기법의 성능을 상한선과 비교 평가한다.

실험 결과

연구 질문

• RQ1 자연스럽지 않은 묶음을 피하면서도 계산 가능성이 유지되는 수익 극대화 속성 숨기기 기법을 설계할 수 있는가?
• RQ2 속성 숨기기로 얻는 수익은 최적 수익의 이론적 상한선과 비교해 어떻게 되는가?
• RQ3 사전처리 규칙이 상한선을 위한 선형계획문의 변수 수를 크게 줄일 수 있는가?
• RQ4 휴리스틱 기법(트리 구조 분할 및 최대 가중치 매칭)이 최적 수익을 얼마나 잘 근사하는가?
• RQ5 자연스럽지 않은 묶음을 允허하는 경우에 비해, 속성 숨기기 제약 조건을 둘 경우 수익 손실의 최악의 경우는 어느 정도인가?

주요 결과

• 최적의 속성 숨기기 기법은 계산상 NP-난이도이므로 정확한 해를 구하는 데는 계산적으로 불가능하다.
• 사전처리 규칙(다시 분할 가능한 묶음을 제거하는 것 등) 덕분에 10개의 이진 속성 설정에서 상한선 선형계획문의 변수 수가 59,049에서 평균 220.28로 감소한다.
• 이진 속성에만 적용 가능한 최대 가중치 매칭 휴리스틱은 거의 최적 성능을 달성하며, k=3, C̄=3일 때 96%의 시뮬레이션에서 상한선에 도달한다.
• 10개의 이진 속성에 대해 매칭 휴리스틱은 평균 수익 0.927을 달성하여 상한선 0.950에 근접하며, 더 이상 분할할 수 없는 자연스러운 묶음이 4.76개에 불과하다.
• 상한선은 항상 휴리스틱 성능보다 더 날카로운 경계를 제공하며, k=n=3, C̄=2일 때 트리 구조 휴리스틱은 별도 판매 대비 평균 1.08% 더 높은 수익을 올린다.
• 최악의 경우 예시에서는 클러스터링이 속성 숨기기의 수익의 두 배까지 올릴 수 있음을 보여주며, 자연스럽지 않은 묶음을 允허할 경우 최대 2배의 수익 격차가 발생할 수 있음을 시사한다.