社交网络中考虑个体与群体公平性的个性化定价
计算机与社会
2025-12-15 v1 社会与信息网络
摘要
个性化定价根据客户特定特征为同一产品向不同客户分配不同价格，以提高零售商收入。然而，这种做法常常引发个体和群体层面的公平性担忧。在个体层面，如果客户注意到自己被收取的价格高于他人，可能会感到不公平。在群体层面，定价差异可能导致对某些受保护群体（如性别或种族定义的群体）的歧视。现有关于公平定价的研究通常分别处理个体公平和群体公平。本文通过引入一种新的个性化定价问题建模，将公平性的两个维度融入社交网络设置中，从而弥合了这一差距。为了解决该问题，我们提出了 FairPricing，这是一个基于图神经网络 (GNN) 的新型框架，利用客户特征和网络拓扑学习个性化定价策略。在 FairPricing 中，个体感知的不公平通过客户需求的惩罚项来体现，进而影响利润目标，而群体层面的歧视则通过对抗去偏和价格正则化项来缓解。与现有的需要重新优化的基于优化的个性化定价不同，FairPricing 学到的定价策略能够根据更新后网络中所有客户的特征和新网络结构为其分配个性化价格，从而泛化到网络变化。大量实验结果表明，FairPricing 在保持高盈利性的同时，改善了个体公平感知并满足了群体公平要求。
引用
@article{arxiv.2512.11252,
title = {Personalized Pricing in Social Networks with Individual and Group Fairness Considerations},
author = {Zeyu Chen and Bintong Chen and Wei Qian and Jing Huang},
journal= {arXiv preprint arXiv:2512.11252},
year = {2025}
}