查看原文
其他

WINE 2020 | 第十六届国际互联网经济学术会议“公平、偏好与隐私”方向亮点介绍


编者按


第十六届国际互联网经济学术会议(The 16th Conference on Web and Internet Economics, WINE 2020)将于2020年12月7日—11日在线上举行,由北京大学主办,北京大学前沿计算研究中心承办。


WINE 2020共有六大方向:市场,匹配,机制设计与定价,路由、调度与负载平衡,公平、偏好与隐私,机器学习和其他。


本期带来 WINE 2020“公平、偏好与隐私”方向亮点介绍。



公平、偏好与隐私

Fairness, Bias, Privacy

方向介绍

公平分配是指将资源分配给参与博弈或经济活动的个体,使得每个参与者分到应有的份额,得到公平的对待。公平的定义有许多种,如比例公平分配,无嫉妒分配和精确公平分配等。公平分配问题是数学、经济学和算法博弈论中的一个研究热点,其应用场景包括遗产分配、机场交通管理、电子频率分配等。偏好博弈指的是博弈参与者对策略有初始的偏好性,对每个参与者的收益计算需加上策略与偏好策略偏差的一个修正值。隐私研究在个人数据被使用时,个人数据的隐私泄漏程度、个人数据的控制权等对个人与数据使用者的影响。

WINE 2020该方向收录的论文:

  • Simultaneously Achieving Ex-ante and Ex-post Fairness

  • Privacy Rights and Data Security: GDPR and Personal Data Driven Markets

  • Consensus Halving for Sets of Items

  • How Many Citizens Have Already Voted? The Role of (Interim) Turnout Rate Polls in Elections

  • Settling the Price of Fairness for Indivisible Goods

  • Fair Division with Binary Valuations: One Rule to Rule Them All

  • Closing the Gap: Mitigating Bias in Online Resume-Filtering



论文亮点介绍

Simultaneously Achieving Ex-ante and Ex-post Fairness

同时达到事前与事后公平




Haris Aziz

我们考虑把不可分割的物品分配给具有可加性偏好的人的概率分配方案。一个无嫉妒的概率分配方案是把所有物品依相等的概率分配给每个人。同时还有一个几乎无嫉妒的确定性分配方案是把所有物品以轮询的方式分配给大家。这样就产生了一个有趣的问题,我们是否能同时达到上述两个目标(无嫉妒的概率分配和几乎无嫉妒的确定性分配)?我们结合了一些匹配领域著名算法的思路,给出了一个多项式时间的算法同时达到了上述两个目标。我们还证明了我们的算法能够达到哪些版本的帕累托最优。


Privacy Rights and Data Security: GDPR and Personal Data Driven Markets

隐私权和数据安全:通用数据保护条例和个人数据驱动的市场




Tony Ke and K Sudhir

2018年,欧盟颁布了《通用数据保护条例》,该条例不仅赋予个人对自己数据的永久控制权,而且限制企业确保这些数据不被非法使用。我们的经济分析表明,提升隐私泄露保护对消费者和企业都有利。然而,赋予个人对数据的控制权会对市场产生复杂的影响。这一控制权使得商品交易和数据提供区分开来。这种分离一方面防止了高数据安全风险下的市场失灵,另一方面却减少了消费者的选择和市场上的数据量。这种控制权还允许消费者删除或者转移个人数据。这一方面限制了公司的价格歧视从而保障了消费者的长期利益,另一方面又降低了公司给消费者的数据补贴。综合这些效应的结果是:在竞争市场中赋予个人数据的控制权对消费者总是有利的,但是却可能出人意料地在垄断市场中损害消费者福利。同时,公司利润和社会福利在高数据安全风险的情况下会增加,在低数据安全风险的情况下会减少。


Consensus Halving for Sets of Items

对于一组物品的共识分配问题




Paul Goldberg, Alexandros Hollender, Ayumi Igarashi, Pasin Manurangsi and Warut Suksompong

共识分配问题是指要将某类资源分成两部分,使得每个玩家对两部分的估值相同。此前的工作研究了当这个资源可以被抽象为一个区间时,一定存在较少切割点的共识分配解,但这个解是难以计算的,即使每个玩家的估值函数很简单时也是如此。本篇论文中,我们研究了该问题的另一自然情景,即资源是一组没有没有线性顺序的物品,例如分配房子,车,股票,产权,设备使用等等资源。我们证明了一个与区间情景截然相反的结论,即当玩家的估值函数具有可加性时,存在一个多项式的算法计算切割点很少的共识分配解;另一方面,我们证明了当玩家的估值函数是一类简单的非可加性函数时,该问题就又变为计算困难的了。


How Many Citizens Have Already Voted? The Role of (Interim) Turnout Rate Polls in Elections

有多少公民已经投票?临时投票率民意调查在选举中的作用




Akaki Mamageishvili and Oriol Tejada

我们研究投票率民意调查对投票的影响。我们关注一个有两组大量选民的二选一投票模型,我们假设第一组公民在其他选民投票之前就需要完成投票,而第二组公民则在投票之前能够知道第一组选民的投票率,但不知道当前两个选项已经获得投票的票数。我们证明了,这种投票程序下得到结果与没有投票率民意调查的标准单轮投票结果相同。一种对这种情况的解释是,投票率民意调查可能不会影响选举结果。这解释了为什么许多民主国家在选举日的几个时间点公布正在进行的投票率远比公布当前哪个候选人领先(以及领先人数)更加合理。在某一时间点公开哪个候选人领先这一信息通常是被法律所禁止的。

Settling the Price of Fairness for Indivisible Goods

解决不可分割商品分配问题中公平的代价




Siddharth Barman, Umang Bhaskar and Nisarg Shah

在将资源分配给一群个体时,保证公平性会如何影响社会福利?一种衡量这种影响的量化标准是公平的代价,这个代价是指由于公平的限制导致的最坏情况下的社会福利损失。在这项工作中,我们探讨了两种经过深入研究的不可分割商品分配的公平的概念:至多一个商品的无嫉妒和近似的最大最小值分享保证。我们证明,在这两个概念下,公平的代价的量级为个体数量的平方根。对于后一个概念,我们的结果适用于可加性估值,而对于前一个概念,我们的结果适用于更一般的亚可加性估值。在这两个概念下,代价的上限都是通过有效算法获得的。


Fair Division with Binary Valuations: One Rule to Rule Them All

零一估价下的公平分配:一个方法解决所有问题




Daniel Halpern, Ariel Procaccia, Alexandros Psomas and Nisarg Shah

我们研究个体之间不可分割商品的公平分配。先前的研究集中在具有可加性的偏好上,这导致在寻求对真实偏好,公平性和效率的不可能三角。我们证明,当个人具有零一加性偏好时,一个名为“最大纳什福利”的规则可提供所有三个保证:具体而言,策略诚实性,至多一种物品的嫉妒度和帕累托最优性。我们还证明了该规则的随机版本保留了上述属性,此外,还实现了期望意义下的无嫉妒性。我们的工作说明了最大的纳什福利应作为零一加性偏好情景中的唯一终极分配规则。


Closing the Gap: Mitigating Bias in Online Resume-Filtering

缩小差距:减少在线简历筛选中的偏差




Jad Salem and Swati Gupta

我们考虑了在线简历过滤的问题。在问题中,简历被逐一呈现,并且算法必须立即做出是否批准申请人面试的决定。我们将此问题视为秘书问题,并寻求开发有效的算法。筛选申请人的算法通常会对申请人进行数字评分,并用评分作为对比的基础。但是,来自不同人口群体的申请人的评估普遍存在偏见,这对复杂的社会经济问题建模产生了挑战。为了解决这些问题,我们引入了偏序集偏差的概念,它假设算法只能根据固定(但未知)的顺序观察到部分申请人的排名。与现有模型相比,这可以提供更个性化的偏差概念。在此模型下,我们提出了一种具有最优顺序竞争比的算法,并且我们对公共数据集进行了实证研究,以比较几种算法的性能。



关于WINE

国际互联网经济学术会议 (The Conference on Web and Internet Economics, 简称WINE)是由姚期智、叶荫宇和邓小铁教授自2005年从中国香港发起,在亚、欧、美三大洲循环举办的互联网经济学术会议旨在推动理论计算机、运筹学和机器学习方法论和互联网经济学的交互发展,历经15届,已经成为三大洲互联网经济学者开展科研成果交流的国际顶级会议


时隔六年,WINE 再次来到中国。本次大会将聚焦于互联网经济及相关学科的前沿问题和最新进展,涵盖机制设计、博弈、拍卖、定价、社会选择等互联网中的重要议题,旨在为各国从事互联网相关经济问题的研究人员提供一个相互交流和展示成果的平台,以此来推动互联网经济及相关学科的发展。


因疫情原因,WINE 将首次在线上召开,届时,论文作者将在线上进行报告和答疑。同时大会还邀请到国内外计算经济学领域的诸多专家学者带来精彩的主题演讲。线上形式给 WINE 2020带来了更多的可能性,组委会正在解锁全新的互动环节,敬请关注!



组委会介绍

大会主席

 

邓小铁

北京大学前沿计算研究中心讲席教授

欧洲科学院外籍院士

ACM Fellow,IEEE Fellow


程序委员会主席

 

陈旭瑾

中国科学院数学与系统科学研究院研究员


 

Nick Gravin

上海财经大学副教授


 

Martin Hoefer

法兰克福大学教授


 

Ruta Mehta

伊利诺伊大学厄巴纳-香槟分校助理教授


大会特邀报告人

 

Eric Budish

芝加哥大学商学院教授


 

Yiling Chen

哈佛大学教授


 

Jose Correa

智利大学教授

 

Constantinos Daskalakis

麻省理工学院教授



快来注册参会吧

目前,WINE 2020已正式面向公众开放注册,参与者可以选择免费注册以观看部分报告,或全款注册深度参与大会全部环节。


免费注册

免费注册的人员将获得会议直播链接,届时可于线上观看参与直播部分的海报宣讲、论文报告和大会特邀报告。


免费注册链接:

https://www.wjx.top/m/94013971.aspx 


全款注册

普通:$200 / ¥1400

学生*:$100 / ¥700


全款注册的成员将可以观看/参与大会全部环节:

  • 线上观看海报宣讲、论文报告和大会特邀报告;

  • 参与Q&A环节,在线直接向讲者提问,与讲者就报告相关问题进行探讨;

  • 参加专题讲座和主题研讨会;

  • 观看女性论坛;

  • 参加线上社交活动,与讲者和大会特邀嘉宾进行深度交流。


长按↓二维码↓跳转注册页面

*学生注册:网站上注册后需将学生证含有个人信息和学校信息的页面拍照发送至WINE20@pku.edu.cn,邮件主题格式为“Student Registration + 姓名”。



承办单位简介

作为大会的承办单位,北京大学前沿计算研究中心(PKU CFCS)成立于2017年12月,为北京大学新体制科研机构,立足国际计算机学科前沿,与世界顶尖高校及科研机构深度合作,在计算理论、人工智能等多个领域的交叉方向展开前沿探索,创立具有国际一流影响力的计算理论科学研究中心;创建宽松自由的国际化学术环境,助力青年科学家成长为计算机学科世界一流的学者;并以“图灵人才培养计划”为代表,建立国际先进的计算科学及相关交叉学科人才培养机制,为国家新时代科技和教育发展培养引领未来的卓越人才。



赞助商



大会网站

https://econcs.pku.edu.cn/wine2020/

注册链接

https://econcs.pku.edu.cn/wine2020/Registration.htm

大会联系人

wine20@pku.edu.cn



文字 | 陈宏崟、李济宸、李佳蔚、张梦倩、周子鑫



—   版权声明  —

本微信公众号所有内容,由北京大学前沿计算研究中心微信自身创作、收集的文字、图片和音视频资料,版权属北京大学前沿计算研究中心微信所有;从公开渠道收集、整理及授权转载的文字、图片和音视频资料,版权属原作者。本公众号内容原作者如不愿意在本号刊登内容,请及时通知本号,予以删除。


“阅读原文”转大会注册页面

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存