본 논문은 분할 불가능한 자원의 공정한 할당 문제를 다룬다. 기존 연구에서는 다양한 공정성 개념을 만족하는 여러 할당 메커니즘이나 알고리즘을 개발했지만, 실제 자원 할당 문제에서는 수학적 공식 없이 전문가의 지식에 의존하는 경우가 많다. 본 논문은 전문가의 지식을 반영하면서 엄격한 공정성 조건을 만족하는 메커니즘을 설계하는 것을 목표로 한다. 특히, envy-freeness up to one good (EF1) 공정성 조건을 만족하는 할당 메커니즘을, 전문가가 생성한 평가와 할당 결과의 예시를 이용한 지도 학습을 통해 학습하는 방법을 제시한다. 이를 위해, 라운드 로빈(RR) 알고리즘을 매개변수화한 새로운 신경망인 Neural RR (NRR)을 개발하고, 실험을 통해 제안된 방법이 기존 방법보다 예측된 할당의 정확도 측면에서 우수함을 보였다.
