[論文レビュー] A Multi-Objective Learning to re-Rank Approach to Optimize Online Marketplaces for Multiple Stakeholders

Phong Nguyen, John Dines+1 more|arXiv (Cornell University)|Aug 2, 2017

Advanced Bandit Algorithms Research参考文献 1被引用数 16

ひとこと要約

本論文は、消費者、サプライヤー、仲介者という複数のステークホルダーを最適化するための新しい学習による再順序付けフレームワークを提案している。消費者中心の推薦を再順序付けすることで、顧客のコンversionとマーケットプレイスの収益の両方を向上させる。カーネル化されたケンダールタイ係数を正則化に用いることで、ビジネスルールベースラインと比較して収益性の向上を50%以上達成しながら、顧客の関連性を維持または向上させた。

ABSTRACT

Multi-objective recommender systems address the difficult task of recommending items that are relevant to multiple, possibly conflicting, criteria. However these systems are most often designed to address the objective of one single stakeholder, typically, in online commerce, the consumers whose input and purchasing decisions ultimately determine the success of the recommendation systems. In this work, we address the multi-objective, multi-stakeholder, recommendation problem involving one or more objective(s) per stakeholder. In addition to the consumer stakeholder, we also consider two other stakeholders; the suppliers who provide the goods and services for sale and the intermediary who is responsible for helping connect consumers to suppliers via its recommendation algorithms. We analyze the multi-objective, multi-stakeholder, problem from the point of view of the online marketplace intermediary whose objective is to maximize its commission through its recommender system. We define a multi-objective problem relating all our three stakeholders which we solve with a novel learning-to-re-rank approach that makes use of a novel regularization function based on the Kendall tau correlation metric and its kernel version; given an initial ranking of item recommendations built for the consumer, we aim to re-rank it such that the new ranking is also optimized for the secondary objectives while staying close to the initial ranking. We evaluate our approach on a real-world dataset of hotel recommendations provided by Expedia where we show the effectiveness of our approach against a business-rules oriented baseline model.

研究の動機と目的

• 消費者、サプライヤー、仲介者の間で対立する目的をバランスさせるオンラインマーケットプレイスにおけるマルチステークホルダー推薦問題に対処すること。
• 消費者最適化の推薦を再順序付けすることで、仲介者の利益やサプライヤーのパフォーマンスといった二次的目標も達成できる学習による再順序付けフレームワークを開発すること。
• 関連性を保ちつつ二次的目標の最適化を可能にする、カーネル化されたケンダールタイ係数に基づく新しい正則化関数を導入すること。
• Expediaの実世界のホテル推薦データを用いて、顧客のコンversionとマーケットプレイス収益のトレードオフを改善することを評価すること。
• 現在のパフォーマンスを低下させるアドホックなビジネスルールに代わる機械学習の代替手法を提供すること。

提案手法

• 本手法は、消費者の関連性（例：クリックや予約）を最適化した初期順序付けを出発点として、学習による再順序付け問題として定式化する。
• 再順序付け後の出力を元の消費者最適化順序に近づけるために、カーネル化されたケンダールタイ係数に基づく新しい正則化項を導入する。
• 最適化問題は、ステークホルダーの目的（例：顧客のCVRと仲介者のマージン）の線形結合として定式化され、勾配降下法を用いて重みを学習する。
• 本手法は行列分解をベースとなる推薦モデルとして用い、価格情報を特徴量に含めないことで、マージン目的へのデータ漏洩を回避する。
• 比較のためのラインサーチベースライン（LS）モデルを用いる。このモデルも目的のシグモイド重み付き集約を用いるが、カーネル化されたケンダールタイ係数正則化は含まない。
• 評価にはNDCG@10と、LRR手法が各目的でベースラインを上回るクエリの割合を測るリスクセンシティブな指標を用いる。

実験結果

リサーチクエスチョン

• RQ1 学習による再順序付けフレームワークは、オンラインマーケットプレイスにおける消費者の関連性と仲介者の利益の両立を効果的に実現できるか？
• RQ2 カーネル化されたケンダールタイ係数に基づく正則化は、ヒューリスティックなビジネスルールと比較して、関連性と二次的目標のトレードオフをどのように改善するか？
• RQ3 提案手法は、顧客のコンversionとマーケットプレイス収益の両面で、最先端のベースラインモデルをどの程度上回るか？
• RQ4 本手法は、多様な検索クエリにわたり、消費者の関連性を維持しながら仲介者のマージンを顕著に向上させることができるか？
• RQ5 本手法は、サプライヤーの利用可能性や価格競争力といった追加のステークホルダーの目的にも一般化可能か？

主な発見

• 提案された学習による再順序付け（LRR）手法は、元の消費者最適化順序と比較して、仲介者のマージン目的におけるNDCG@10で16.7%の向上を達成した。
• LRR手法は顧客の好み（クリック＋予約）のNDCG@10でわずかに-5.9%の低下を示したが、リスク・リターンのバランスにおいてベースラインを上回った。
• リスクセンシティブな指標において、LRR手法はマージン目的で50%を超える報酬率を達成し、半数以上のクエリでベースラインを上回ったことを示した。
• LRR手法は両目的において、報酬よりも損失が少ない、より一貫した改善を示した。
• 顧客のコンversionとマーケットプレイス収益の間で望ましいトレードオフを達成した。これは、ユーザーエクスペリエンスを損なわず、全体のプラットフォーム収益性を向上させられることを示唆している。
• 結果から、カーネル化されたケンダールタイ係数正則化が関連性を効果的に保持しながら二次的目標の最適化を可能にし、厳密にA/Bテストされたベースラインを上回ることを示した。