[論文レビュー] Low-Rank Bandit Methods for High-Dimensional Dynamic Pricing

Jonas Mueller, Vasilis Syrgkanis+1 more|arXiv (Cornell University)|Jan 30, 2018

Advanced Bandit Algorithms Research参考文献 33被引用数 13

ひとこと要約

本稿は、時間的変動を示す相互価格弾力性に低ランク構造を有する非定常需要モデルにおける高次元動的価格設定のための低ランクバンディットアルゴリズムを提案する。潜在的製品特徴が張る低次元空間に価格意思決定を投影し、オンライン特異値分解を用いてこの空間を学習することで、レジーットが製品数 $N$ ではなく固有のランク $d$ に比例するようになり、高次元設定における収益最大化を効率的に行える。

ABSTRACT

We consider dynamic pricing with many products under an evolving but low-dimensional demand model. Assuming the temporal variation in cross-elasticities exhibits low-rank structure based on fixed (latent) features of the products, we show that the revenue maximization problem reduces to an online bandit convex optimization with side information given by the observed demands. We design dynamic pricing algorithms whose revenue approaches that of the best fixed price vector in hindsight, at a rate that only depends on the intrinsic rank of the demand model and not the number of products. Our approach applies a bandit convex optimization algorithm in a projected low-dimensional space spanned by the latent product features, while simultaneously learning this span via online singular value decomposition of a carefully-crafted matrix containing the observed demands.

研究の動機と目的

• 非定常的かつ高次元の需要モデル下で、多数の製品（$N$）を有する動的価格設定の課題に対処すること。
• 時間的変動における相互価格弾力性の低ランク構造を活用することで、オンライン価格設定におけるレジーットを低減すること。
• 定常性や需要モデルの完全な知識を必要とせずに、進化する需要パターンに適応するアルゴリズムを設計すること。
• レジーット境界が製品数 $N$ ではなく、需要モデルの固有ランク $d$ のみに依存するようにすること。
• 従来のバンディット手法が $\Omega(\sqrt{N})$ レジーットに苦しむ状況において、証明可能な敵対的レジーット保証を提供すること。

提案手法

• 需要を $\mathbf{q}_t = \mathbf{c}_t - \mathbf{B}_t\mathbf{p}_t + \bm{\epsilon}_t$ としてモデル化し、$\mathbf{B}_t$ は時間的に変化する相互価格弾力性を捉える。
• 時間的変動 $\mathbf{B}_t$ および $\mathbf{c}_t$ が、潜在的製品特徴を表す行列 $\mathbf{U} \in \mathbb{R}^{N \times d}$ が張る低次元部分空間に存在すると仮定する。
• 価格をこの低ランク部分空間に投影することで、$d$ 次元の特徴空間 $\mathbf{U}^T\mathbf{p}$ におけるオンラインバンディット凸最適化を実行する。
• 観測された需要 $\mathbf{q}_t$ から構築された行列のオンライン特異値分解を用いて、同時に部分空間 $\mathbf{U}$ を学習する。
• 推定された部分空間 $\widehat{\mathbf{U}}$ において、射影バンディットアルゴリズムを用いてレジーットを最小化し、最適価格への収束を保証する。
• 理論的分析により、ノイズおよびモデル変動の弱い仮定の下で、レジーットが固有ランク $d$ のみに依存し、$N$ には依存しないことが示された。

実験結果

リサーチクエスチョン

• RQ1 時間的変動を示す非定常的で高次元の需要モデルにおいて、多数の製品を有する動的価格設定が、効率的に解けるか？
• RQ2 時間的需要変動における低ランク構造を活用することで、製品数 $N$ に依存しないレジーット境界が達成可能か？
• RQ3 オンラインSVDとバンディット最適化を効果的に組み合わせ、潜在的特徴空間と最適価格を同時に学習できるか？
• RQ4 敵対的需要モデル下で、$N$ に比例せずに $o(T)$ レジーットを達成することは可能か？
• RQ5 $N$ が大きい場合に、提案手法のレジーットは標準バンディットアルゴリズムと比べてどのように異なるか？

主な発見

• 低ランク仮定の下で、提案アルゴリズムは需要モデルの固有ランク $d$ に比例したレジーットを達成するが、製品数 $N$ には依存しない。
• レジーット境界は $N$ に依存しないことが証明されており、$N \gg d$ の高次元動的価格設定に適しており、従来のバンディット手法の $\Omega(\sqrt{N})$ の境界に対する顕著な改善である。
• オンラインバンディット凸最適化とオンラインSVDを組み合わせることで、潜在的特徴空間の学習と価格最適化をリアルタイムで実現する。
• 理論的分析により、最悪ケースでレジーットが $O(\sqrt{T})$ であることが確認されたが、低ランク構造のおかげで $N$ への依存が解消された。
• 実験結果により、効率的な低次元射影のおかげで、$N$ が大きい場合でも実用的に良好な性能を発揮することが示された。
• アドバーシャルな需要パラメータの変化に対してもロバストであり、特に感度の高い価格設定用途において、強力な証明可能な保証を提供する。