面向人口统计公平结果的广告投放
计算机科学与博弈论
2020-06-15 v3
摘要
在 Google 或 Facebook 等平台上的在线广告已成为不可或缺的触达工具，包括用于希望以公平方式吸引不同人口统计群体的应用，如招聘、住房、公民流程和公共卫生推广工作。有些令人惊讶的是，现有在线广告生态系统几乎不支持向人口统计代表性队列投放广告（及招募）。我们从经验与算法两个角度研究面向人口统计代表性的广告问题。本质上，我们寻求广告活动所产生的输出或转化中的公平性。我们首先展示利用真实世界实验招募公民流程的详细经验发现，借此表明使用 Facebook 推断特征的方法在达成结果公平上过于不准确，而基于按已知属性分段的登记选民名单通过自定义受众定向则准确得多。这促使我们考虑如下算法问题：将具已知属性的个体名单最优分段为若干自定义活动并分配预算，从而以高成本效益在尽可能多的人口统计类别上实现与总体在结果上的均等。在平台能合理强制跨人口统计支出比例的假设下，我们给出该问题的高效精确与近似算法。我们在数据集上给出仿真结果，以展示这些算法在实现人口统计均等上的效力。
引用
@article{arxiv.2006.03983,
title = {Advertising for Demographically Fair Outcomes},
author = {Lodewijk Gelauff and Ashish Goel and Kamesh Munagala and Sravya Yandamuri},
journal= {arXiv preprint arXiv:2006.03983},
year = {2020}
}