[論文レビュー] Active Preference Elicitation via Adjustable Robust Optimization

Phebe Vayanos, Duncan C. McElfresh+3 more|arXiv (Cornell University)|Mar 4, 2020

Risk and Portfolio Optimization参考文献 65被引用数 7

ひとこと要約

本稿では、不確実性下での意思決定を改善するための、調整可能なロバスト最適化フレームワークを提案する。これは、推薦システムにおける能動的嗜好獲得のためのクエリ選択と推薦を統合したものであり、オフラインおよびオンライン設定における正確な定式化を導入している。合成データおよび実世界のホームレス住宅割り当てデータを用いた実験で、最先端手法を上回る性能を示した。

ABSTRACT

We consider the problem faced by a recommender system which seeks to offer a user with unknown preferences an item. Before making a recommendation, the system has the opportunity to elicit the user's preferences by making queries. Each query corresponds to a pairwise comparison between items. We take the point of view of either a risk averse or regret averse recommender system which only possess set-based information on the user utility function. We investigate: a) an offline elicitation setting, where all queries are made at once, and b) an online elicitation setting, where queries are selected sequentially over time. We propose exact robust optimization formulations of these problems which integrate the elicitation and recommendation phases and study the complexity of these problems. For the offline case, where the problem takes the form of a two-stage robust optimization problem with decision-dependent information discovery, we provide an enumeration-based algorithm and also an equivalent reformulation in the form of a mixed-binary linear program which we solve via column-and-constraint generation. For the online setting, where the problem takes the form of a multi-stage robust optimization problem with decision-dependent information discovery, we propose a conservative solution approach. We evaluate the performance of our methods on both synthetic data and real data from the Homeless Management Information System. We simulate elicitation of the preferences of policy-makers in terms of characteristics of housing allocation policies to better match individuals experiencing homelessness to scarce housing resources. Our framework is shown to outperform the state-of-the-art techniques from the literature.

研究の動機と目的

• 未知の嗜好を持つユーザーにアイテムを推薦する課題に対処すること。
• 集合に基づく情報によるユーザーの効用の不確実性をモデル化し、リスク回避的または後悔回避的意思決定を反映すること。
• 嗜好獲得と推薦を1つのロバスト最適化フレームワークに統合すること。
• オフライン（バッチ）およびオンライン（逐次）クエリ選択設定の両方における正確な解法手法を開発すること。
• ホームレス管理情報システムから得た実世界データを用いて、フレームワークを評価すること。

提案手法

• 意思決定に依存する情報発見を伴う2段階のロバスト最適化問題として、オフラインの嗜好獲得問題を定式化する。
• 列と制約の生成を用いた混合整数線形計画法の再定式化を用いて、列挙ベースのアルゴリズムと混合整数線形計画法の再定式化を開発する。
• 意思決定に依存する情報発見を伴う多段階ロバスト最適化問題に対して、保守的な解法アプローチを提案する。
• 集合に基づく不確実性集合を用いて、ユーザーの効用関数に関する不完全な知識を表現する。
• 最悪ケースの後悔またはリスクを最小化するために、クエリ選択と推薦を1つの最適化モデルに統合する。
• 政策立案のシナリオにフレームワークを適用し、住宅割り当て政策に対する嗜好の獲得をシミュレートする。

実験結果

リサーチクエスチョン

• RQ1 推薦を行う前にユーザーの嗜好の不確実性を最小化するために、推薦システムはどのように最適なペアワイズクエリを選択すべきか？
• RQ2 ユーザー効用の不確実性下で、クエリコストと推薦精度の最適なトレードオフは何か？
• RQ3 ロバスト最適化は、バッチおよび逐次クエリ設定の両方における能動的嗜好獲得にどのように適用可能か？
• RQ4 提案されたフレームワークは、実世界の嗜好獲得タスクにおいて、既存の最先端手法を上回る性能を示せるか？
• RQ5 ホームレスの個人に住宅リソースを割り当てる高リスク意思決定において、このフレームワークはどのように性能を発揮するか？

主な発見

• 提案されたフレームワークは、合成データおよび実世界データの両方で、最先端の技術を顕著に上回る性能を示した。
• オフライン定式化は、混合整数線形計画法の再定式化と列と制約の生成を用いて、正確な解を達成した。
• オンライン設定は、情報発見を伴う多段階意思決定に特化した保守的な解法アプローチによって処理された。
• 集合に基づく効用表現を用いることで、ユーザーの嗜好の不確実性を効果的に扱えた。
• ホームレス管理情報システムのデータを用いた実証的評価により、限られた住宅リソースを個人に適切にマッチングする強力な性能が示された。
• 嗜好獲得と推薦を1つのロバスト最適化モデルに統合することで、不確実性下での意思決定品質が向上した。