[論文レビュー] Fairness and Diversity for Rankings in Two-Sided Markets.

Lequn Wang, Thorsten Joachims|arXiv (Cornell University)|Oct 4, 2020

Game Theory and Voting Systems参考文献 60被引用数 7

ひとこと要約

本論文は、公平性を凸最適化問題として定式化し、新規のバーコフ＝フォン・ノイマン分解を用いてランク付け方針を導出することで、二面的市場におけるユーザーの公平性、アイテムの公平性、多様性を同時に最適化する最初のランク付けアルゴリズムを提案する。この手法は、ユーザー層やアイテム間での露出のバランスを保ちながら、多様性を明示的に制御でき、新しいベンチマークデータセットを用いた実証的評価により、3つの望ましい性質の間で効果的なトレードオフを実現している。

ABSTRACT

Ranking items by their probability of relevance has long been the goal of conventional ranking systems. While this maximizes traditional criteria of ranking performance, there is a growing understanding that it is an oversimplification in online platforms that serve not only a diverse user population, but also the producers of the items. In particular, ranking algorithms are expected to be fair in how they serve all groups of users -- not just the majority group -- and they also need to be fair in how they divide exposure among the items. These fairness considerations can partially be met by adding diversity to the rankings, as done in several recent works. However, we show in this paper that user fairness, item fairness and diversity are fundamentally different concepts. In particular, we find that algorithms that consider only one of the three desiderata can fail to satisfy and even harm the other two. To overcome this shortcoming, we present the first ranking algorithm that explicitly enforces all three desiderata. The algorithm optimizes user and item fairness as a convex optimization problem which can be solved optimally. From its solution, a ranking policy can be derived via a novel Birkhoff-von Neumann decomposition algorithm that optimizes diversity. Beyond the theoretical analysis, we investigate empirically on a new benchmark dataset how effectively the proposed ranking algorithm can control user fairness, item fairness and diversity, as well as the trade-offs between them.

研究の動機と目的

• 二面的オンラインプラットフォームにおける順序付けシステムの限界に対処する。特に、関連性を最優先とすることで公平性と多様性が損なわれる問題を解決すること。
• ランク付けシステムにおける3つの異なるかつしばしば対立する目標、すなわちユーザーの公平性、アイテムの公平性、多様性の概念的差異を明確にし、それらの相互作用を解消すること。
• 3つの基準を同時に明示的に強制する統合的アルゴリズムを開発し、一方を犠牲にして他を損なうようなトレードオフを回避すること。
• 凸最適化と新規の分解法を用いて、理論的根拠に基づいた最適解を提供し、公平性と多様性を最適化すること。
• 新しいベンチマークデータセットを用いて、アルゴリズムの性能を公平性および多様性の指標で実証的に評価すること。

提案手法

• ユーザーおよびアイテムの公平性を凸最適化問題の制約として定式化し、ユーザー層およびアイテム間での露出のバランスを保証する。
• 最適解からランク付け方針を導出するための新規なバーコフ＝フォン・ノイマン分解アルゴリズムを用い、ランク付け出力における多様性を明示的に最適化する。
• ランク付け方針を置換行列の凸結合として表現することで、アイテム露出分布に対する精密な制御を可能にする。
• 公平性と多様性の目的を1つの最適化フレームワークに統合し、調整可能な重みパラメータを用いてトレードオフ分析を可能にする。
• アルゴリズムの性能を、さまざまな構成下での公平性および多様性指標で評価するために、新規のベンチマークデータセットを活用する。
• 最適化問題をグローバル最適に解くことで、公平性および多様性の適合に関する理論的保証を確保する。

実験結果

リサーチクエスチョン

• RQ1 ユーザーの公平性、アイテムの公平性、多様性は概念的にどのように異なるのか。また、これらの中の1つや2つの最適化に特化した場合のリスクは何か。
• RQ2 1つのランク付けアルゴリズムが、ユーザーの公平性、アイテムの公平性、多様性を、どれか1つを犠牲にすることなく同時に満たすことができるか。
• RQ3 ランク付けシステムにおけるユーザーの公平性、アイテムの公平性、多様性の間のトレードオフの本質は何か。
• RQ4 提案されたアルゴリズムは、新しいベンチマークデータセット上で、実際の公平性および多様性の指標をどれほど効果的に制御できるか。
• RQ5 バーコフ＝フォン・ノイマン分解は、公平性制約を保持したまま、多様性の最適制御をどの程度可能にするか。

主な発見

• 提案されたアルゴリズムは、ユーザーの公平性、アイテムの公平性、多様性という3つの望ましい性質を同時に実現できており、1つや2つのみを最適化する手法が示す性能劣化を回避している。
• 凸最適化の定式化により、理論的保証のもとで公平性制約を満たす最適解が得られる。
• 新規のバーコフ＝フォン・ノイマン分解により、ランク付け方針を置換行列の凸結合として表現することで、多様性に対する精密な制御が可能になった。
• 新しいベンチマークデータセットを用いた実証的評価により、アルゴリズムがさまざまな構成下で公平性および多様性指標を効果的に制御できることを確認した。
• この手法は、3つの目的の間の非自明なトレードオフを明らかにし、明示的にバランスを取らない限り、1つの目的に特化した最適化が他の2つに悪影響を及える可能性があることを示した。
• アルゴリズムは、ユーザー層やアイテム間での露出のバランスを保ちながら、高い多様性を達成する点で、ベースライン手法を上回っている。