[论文解读] Toward Controlling Discrimination in Online Ad Auctions

L. Elisa Celis, Anay Mehrotra+1 more|arXiv (Cornell University)|Jan 29, 2019

Auction Theory and Applications参考文献 33被引用 16

一句话总结

本文提出了一种受约束的拍卖机制，在确保对性别、种族等敏感用户群体实现公平广告曝光的同时，最大化在线广告平台的收入。通过将非凸优化问题重新表述为无局部极大值的结构化形式，作者开发了一种基于梯度下降的算法，实现了接近最优的收入且损失极小，同时在各子人群之间保持了均衡的受众覆盖，证明了公平性与收入可在广告拍卖中并存。

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.

研究动机与目标

• 解决在线广告平台中可能违反伦理或法律标准的歧视性广告定位问题。
• 设计一种真实拍卖机制，在对性别、种族等敏感用户类型施加公平性约束的前提下，最大化平台收入。
• 开发一种高效算法，以计算在这些公平性约束下的最优拍卖参数。
• 通过实证验证，公平性约束可在对平台收入和广告商覆盖范围影响最小的情况下得以实施。

提出的方法

• 基于Myerson最优机制理论，提出一种受约束的拍卖框架，将公平性约束纳入每类敏感用户类型的广告曝光中。
• 将拍卖参数的非凸优化问题重构为无鞍点或局部极大值的结构化形式，从而可通过梯度下降实现收敛。
• 通过梯度计算和对约束多面体（Q）的投影，实现对各类用户群体之间受众分布的公平性控制。
• 利用利普希茨连续性和黑塞矩阵的谱范数界，确保算法的稳定性和收敛性保证。
• 将该算法应用于A1 Yahoo!数据集，以模拟在公平性约束下的真实世界广告拍卖动态。
• 采用对偶公式处理公平性约束，确保每位广告商的广告在各类敏感用户群体中均能获得均衡的覆盖份额。

实验结果

研究问题

• RQ1 能否设计一种真实拍卖机制，在最大化平台收入的同时，确保对性别、种族等敏感用户群体实现均衡的广告曝光？
• RQ2 如何在不损害收入或效率的前提下，将公平性约束数学化地嵌入广告拍卖机制中？
• RQ3 求解所得非凸优化问题的计算复杂度如何？是否可通过重构使其变得可计算？
• RQ4 实施公平性约束在多大程度上影响广告平台的收入和单个广告商的覆盖范围？
• RQ5 所提出的算法能否在平台收入和广告商受众规模损失极小的情况下，实现接近最优的公平性？

主要发现

• 所提出的算法在每位广告商对不同用户类型（如性别和种族）的覆盖上实现了均匀分布，且平台仅遭受轻微的收入损失。
• 该方法使每位广告商所触及的受众规模变化极小，表明对广告商覆盖范围的干扰极小。
• 重构后的优化问题不存在局部极大值或鞍点，从而可通过梯度下降实现收敛。
• 在A1 Yahoo!数据集上的实证结果证实，可在接近最优收入水平下实现公平性。
• 即使在严格的公平性约束下，该算法也能确保广告商的中签率未受到显著不利影响。
• 黑塞矩阵的谱范数有界，支持拍卖参数的稳定且高效的优化。