[논문 리뷰] Toward Controlling Discrimination in Online Ad Auctions

L. Elisa Celis, Anay Mehrotra외 1명|arXiv (Cornell University)|2019. 01. 29.

Auction Theory and Applications참고 문헌 33인용 수 16

한 줄 요약

이 논문은 성별 및 인종과 같은 민감한 사용자 집단 간의 공정한 광고 노출을 보장하면서 온라인 광고 플랫폼 수익을 극대화하는 제약 조건이 있는 경매 메커니즘을 제안한다. 비볼록 최적화 문제를 국소 최대값이 없는 구조화된 형태로 재구성함으로써 저자들은 기울기 하강 기반 알고리즘을 개발하여 근사 최적의 수익을 달성하면서도 손실을 최소화하고 하위집단 간 균형 잡힌 청중 커버리지 유지를 가능하게 하였다. 이는 공정성과 수익이 온라인 경매에서 공존할 수 있음을 보여준다.

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.

연구 동기 및 목표

• 윤리적 또는 법적 기준을 위반할 수 있는 온라인 광고 플랫폼에서의 차별적 광고 타겟팅 문제를 해결하기 위해.
• 성별 및 인종과 같은 민감한 사용자 유형에 대해 공정성 제약 조건 하에 플랫폼 수익을 극대화하는 진실성 있는 경매 메커니즘을 설계하기 위해.
• 이러한 공정성 제약 조건 하에서 최적의 경매 매개변수를 계산하기 위한 효율적인 알고리즘을 개발하기 위해.
• 공정성 제약 조건이 플랫폼 수익과 광고주 도달 범위에 미치는 영향을 경험적으로 검증하기 위해.

제안 방법

• 민감한 사용자 유형별 광고 노출에 대한 공정성 제약 조건을 통합한 Myerson의 최적 메커니즘 이론 기반 제약 조건이 있는 경매 프레임워크를 제안한다.
• 경매 매개변수에 대한 비볼록 최적화 문제를 국소 최대값이나 안장점이 없는 구조화된 형태로 재구성하여 기울기 하강을 통한 수렴 가능성을 확보한다.
• 청중 분포의 공정성을 확보하기 위해 제약 조건 다면체(Q) 위로의 투영과 기울기 계산을 사용한다.
• 알고리즘의 안정성과 수렴 보장을 위해 헤시안 행렬의 리프시츠 연속성과 스펙트럴 노름 한계를 적용한다.
• 실세계 광고 경매 동적 환경에서의 공정성 제약 조건 하에서 A1 Yahoo! 데이터셋을 적용하여 시뮬레이션을 수행한다.
• 공정성 제약 조건을 처리하기 위해 이중 형태를 적용하여 각 광고주 광고가 민감한 사용자 집단의 균형 잡힌 비율에 도달하도록 보장한다.

실험 결과

연구 질문

• RQ1 성별 및 인종과 같은 민감한 사용자 집단 간 균형 잡힌 광고 노출을 보장하면서 플랫폼 수익을 극대화하는 진실성 있는 경매 메커니즘을 설계할 수 있는가?
• RQ2 수익 또는 효율성에 영향을 주지 않으면서 공정성 제약 조건을 광고 경매 메커니즘에 수학적으로 통합할 수 있는가?
• RQ3 해결된 비볼록 최적화 문제의 계산 복잡도는 무엇이며, 재구성으로 인해 해결 가능해질 수 있는가?
• RQ4 공정성 강제 조건이 광고 플랫폼 수익과 개별 광고주의 도달 범위에 얼마나 큰 영향을 미치는가?
• RQ5 제안된 알고리즘이 플랫폼 수익과 광고주 청중 규모의 손실을 최소화하면서 근사 최적의 공정성을 달성할 수 있는가?

주요 결과

• 제안된 알고리즘은 플랫폼의 수익 손실이 미미한 수준에서 각 광고주에 대해 다양한 사용자 유형(예: 성별 및 인종) 간 균일한 커버리지 달성한다.
• 이 방법은 각 광고주가 도달하는 청중 규모의 변화가 작음을 유지하여 광고주 도달 범위에 대한 영향 최소화를 보여준다.
• 재구성된 최적화 문제에는 국소 최대값이나 안장점이 없어 기울기 하강을 통한 수렴이 가능하다.
• A1 Yahoo! 데이터셋에 대한 경험적 결과는 공정성이 근사 최적의 수익 수준에서 달성될 수 있음을 확인한다.
• 엄격한 공정성 제약 조건 하에서도 광고주가 승리 확률 측면에서 상당한 불리함을 겪지 않음을 알고리즘이 보장한다.
• 헤시안 행렬의 스펙트럴 노름이 유계이므로, 경매 매개변수의 안정적이고 효율적인 최적화를 지원한다.