[论文解读] Revenue Maximization via Hiding Item Attributes

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

Auction Theory and Applications参考文献 8被引用 14

一句话总结

本文提出属性隐藏作为一种自然且有效的方法，通过选择性地向竞标者隐藏物品属性（例如年龄、性别、位置）来最大化概率性第二价格拍卖中的收益。论文证明最优属性隐藏方案是NP难问题，通过预处理推导出多项式时间可计算的上界，并提出两种启发式方法——树状结构分割与最大权匹配——在实验中实现了接近上界的收益。

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.

研究动机与目标

• 解决因上下文划分过细导致市场过薄时第二价格拍卖中的收益损失问题。
• 探索属性隐藏作为聚类或信号传递之外隐藏广告拍卖中信息的自然替代方案。
• 设计计算高效且通过自然捆绑保持可解释性的收益最大化方案。
• 建立实用且接近最优的属性隐藏理论边界与启发式方法。

提出的方法

• 形式化一个概率性单件第二价格拍卖模型，拍卖人掌握完整的属性信息，但可隐藏部分属性。
• 引入预处理规则以消除冗余的自然捆绑——特别是那些可递归拆分以获得更高收益的捆绑——从而减少上界线性规划的规模。
• 提出一种树状结构启发式方法，基于属性隐藏递归拆分捆绑，优化自然捆绑约束下的收益。
• 针对二值属性，应用最大权匹配以寻找最多隐藏一个属性的最优方案，边权基于捆绑收益确定。
• 使用预处理后的变量通过线性规划计算最优收益的多项式时间上界。
• 通过模拟不同数量的属性、属性值和竞标者，评估启发式方法相对于上界的性能。

实验结果

研究问题

• RQ1 能否设计一种避免不自然捆绑且计算上可行的收益最大化属性隐藏方案？
• RQ2 属性隐藏带来的收益与最优收益的理论上界相比如何？
• RQ3 预处理规则是否能显著减少计算上界时线性规划中的变量数量？
• RQ4 启发式方法（树状结构与最大权匹配）在近似最优收益方面的有效性如何？
• RQ5 当限制为属性隐藏时，与允许任意实例聚类相比，最坏情况下的收益损失是多少？

主要发现

• 最优属性隐藏方案的计算是NP难问题，确立了精确解的计算不可行性。
• 预处理规则（如消除可递归拆分的捆绑）将10个二值属性设置下上界线性规划的变量数从59,049减少至平均220.28。
• 最大权匹配启发式方法（仅适用于二值属性）表现接近最优，当k=3, C̄=3时，96%的模拟达到上界。
• 在10个二值属性设置下，匹配启发式方法平均收益达0.927，接近上界0.950，仅有4.76个无法进一步拆分的自然捆绑。
• 上界始终比启发式方法更紧，树状结构方案在k=n=3, C̄=2时平均比单独出售多获得1.08%的收益。
• 最坏情况示例表明，聚类可使收益达到属性隐藏的两倍，表明当允许不自然捆绑时，可能存在高达2倍的收益差距。