利用匿名化人口统计数据度量 Airbnb 房客接受率中的差异
应用统计
2022-04-27 v1
摘要
为使技术系统与平台更加公平，组织必须能够衡量潜在不平等的规模以及所提出解决方案的有效性。在本文中，我们提出了一个利用匿名化数据度量可归因于感知种族的平台用户体验差异（体验差距）的系统。这使其在该领域取得进展的同时，将任何潜在的隐私风险降至最低。具体而言，该系统强制执行 p-敏感 k-匿名性（p-sensitive k-anonymity）隐私模型，以在不存储或获取用户标识符与感知种族之间一对一映射的情况下进行测量。我们在 Airbnb 房客预订体验的背景下测试了该系统。我们基于模拟的功效分析表明，该系统度量所提出的全平台干预措施有效性的精度与未匿名化数据相当。我们的工作证实，利用匿名化数据度量体验差距是可行的，并且可用于指导制定政策，以促进 Airbnb 及其他技术平台用户的公平结果。
引用
@article{arxiv.2204.12001,
title = {Measuring Discrepancies in Airbnb Guest Acceptance Rates Using Anonymized Demographic Data},
author = {Siddhartha Basu and Ruthie Berman and Adam Bloomston and John Campbell and Anne Diaz and Nanako Era and Benjamin Evans and Sukhada Palkar and Skyler Wharton},
journal= {arXiv preprint arXiv:2204.12001},
year = {2022}
}
备注
51 pages, 24 figures