[論文レビュー] Effects of Social Influence in Peer Online Recommendation.

Tad Hogg, Kristina Lerman|arXiv (Cornell University)|Oct 24, 2014

Mobile Crowdsensing and Crowdsourcing参考文献 16被引用数 3

ひとこと要約

本研究では、アマゾン・メカニカル・トゥルクのようなプラットフォームにおけるオンラインコンテンツの推薦行動に、社会的影響力—具体的には表示された推薦件数—がどのように影響するかを実験的に測定している。コンテンツの質と配置を制御した状態で、社会的影響力は、質や配置が及ぼす影響の約50％程度の影響を、仲間の推薦結果に与える。これは、人だまり効果を引き起こし、人気の不平等性を増大させるが、ユーザーの評価に要する努力を減らす一方で、推薦のパフォーマンスを劣化させない。

ABSTRACT

Web site providers often use peer recommendation to help people find interesting content. A common method for leveraging opinions of others on these web sites is to display the number of prior recommendations as a social signal. How people react to these social influence signals, in combination with other effects, such as the quality of content and its presentation order, determines how many recommendations content receives. Using Amazon Mechanical Turk, we experimentally measure the effects of social influence on user decisions to recommend content. Specifically, after controlling for variation in content quality and position, we find that social influence affects outcomes of peer recommendation about half as much as position and quality do. These effects are somewhat correlated, increasing the inequality of popularity in the presence of social influence. Further, we find that social influence changes people's preferences, creating a herding effect that biases their judgements about the content. While similar adverse outcomes have been noted in previous studies, we demonstrate a benefit of social influence: namely, it reduces the effort devoted to evaluating content without significantly diminishing the performance of peer recommendation.

研究の動機と目的

• 表示された推薦件数などの社会的影響信号が、オンラインコンテンツの推薦意思決定にどのように影響するかを理解すること。
• コンテンツの質や配置の順序といった混同要因から社会的影響力の影響を分離すること。
• 社会的影響力がユーザーの好みを変化させ、人だまり行動を引き起こすかどうかを検討すること。
• 社会的影響力がユーザーのコンテンツ評価に要する努力を減らす一方で、推薦の質を維持できるかどうかを評価すること。
• 社会的影響力が仲間推薦システムの公平性とパフォーマンスに及ぼす網羅的効果を評価すること。

提案手法

• アマゾン・メカニカル・トゥルクを用いて、さまざまな条件下でユーザーの推薦行動を収集する制御実験を実施した。
• コンテンツの質と配置を一定に保ちながら、社会的影響力の信号（例：過去の推薦件数）を体系的に操作した。
• 異なるレベルの社会的影響力、質、配置に対するユーザーの推薦意思決定を測定した。
• 統計的モデリングを用いて、社会的影響力がコンテンツの質や配置から独立して及ぼす影響を分離した。
• 社会的影響力下でのユーザーの好みの変化と評価行動の分析を行った。
• 社会的影響力、質、配置が推薦結果に及ぼす相対的影響を定量化した。

実験結果

リサーチクエスチョン

• RQ1 コンテンツの質や配置とは独立して、社会的影響力はオンラインコンテンツの推薦意思決定にどのように影響するか？
• RQ2 社会的影響力は、仲間推薦システムにおける人気の不平等性にどの程度寄与するか？
• RQ3 社会的影響力は、ユーザーがコンテンツの質について主観的に評価するのを変化させ、人だまり行動を引き起こすか？
• RQ4 社会的影響力下で、ユーザーの評価努力の削減と推薦パフォーマンスのトレードオフはどのようなものか？
• RQ5 社会的影響力、コンテンツの質、配置が、仲間推薦の結果をどのように共同で規定するか？

主な発見

• 社会的影響力は、コンテンツの質や配置の影響の約50％の大きさで、仲間の推薦結果に影響を与える。
• 社会的影響力は、質や配置と相関するため、既存の格差を拡大することで、人気の不平等性を増大させる。
• 社会的影響力は人だまり効果を引き起こし、ユーザーがコンテンツの質について独立して判断するのを歪めている。
• 判断を歪める一方で、社会的影響力はユーザーがコンテンツを評価するために要する認知的負荷を減少させる。
• ユーザーの努力の削減は、仲間推薦システム全体のパフォーマンスに顕著な悪影響を及ぼさない。
• 社会的影響力は、推薦の有効性を損なうことなく、ユーザーの意思決定を簡素化するという明確な利点を提供する。