[論文レビュー] How Bad is Top-$K$ Recommendation under Competing Content Creators?

Yao Fan, Chuanhao Li+3 more|arXiv (Cornell University)|Feb 3, 2023

Advanced Bandit Algorithms ResearchDecision Sciences被引用数 3

ひとこと要約

本稿は、トップ-$K$推薦プラットフォームにおける戦略的コンテンツ作成者の社会的福祉への影響を検討し、ランダムユーティリティのユーザー選択とノーレグレット学習を用いたゲーム理論的枠組みでその競争をモデル化する。価格の悪化（Price of Anarchy）が $1 + O(1/\log K)$ で有界であることを示し、$K$ が大きくなるとユーザー選択にややランダム性がある場合に近似的に最適な効率性が得られることを示し、現実的仮定のもとでの関連性中心の推薦の頑健性を示している。

ABSTRACT

Content creators compete for exposure on recommendation platforms, and such strategic behavior leads to a dynamic shift over the content distribution. However, how the creators' competition impacts user welfare and how the relevance-driven recommendation influences the dynamics in the long run are still largely unknown. This work provides theoretical insights into these research questions. We model the creators' competition under the assumptions that: 1) the platform employs an innocuous top-$K$ recommendation policy; 2) user decisions follow the Random Utility model; 3) content creators compete for user engagement and, without knowing their utility function in hindsight, apply arbitrary no-regret learning algorithms to update their strategies. We study the user welfare guarantee through the lens of Price of Anarchy and show that the fraction of user welfare loss due to creator competition is always upper bounded by a small constant depending on $K$ and randomness in user decisions; we also prove the tightness of this bound. Our result discloses an intrinsic merit of the myopic approach to the recommendation, i.e., relevance-driven matching performs reasonably well in the long run, as long as users' decisions involve randomness and the platform provides reasonably many alternatives to its users.

研究の動機と目的

• 戦略的行動を示すコンテンツ作成者の行動が、トップ-$K$推薦プラットフォームにおけるユーザーの福祉に与える影響を理解すること。
• ユーザー選択のランダム性と作成者間の競争が存在する中で、関連性中心の推薦の効率性を評価すること。
• ユーザー行動と作成者のインcentiveに関する現実的仮定のもとで、社会的福祉の保証を価格の悪化を用いて特徴づけること。
• 作成者がエンゲージメントを最大化するためにノーレグレット学習アルゴリズムを用いる場合、トップ-$K$推薦ポリシーが依然として効果的であるかどうかを調査すること。
• プラットフォーム設計、特に推薦数 $K$ と作成者のインセンティブがユーザーのエンゲージメントと一致するかどうかが、長期的なシステム効率に与える影響を評価すること。

提案手法

• コンテンツの順序付けに既知の関連性関数を用いるトップ-$K$推薦システムとしてプラットフォームをモデル化する。
• ユーザーがランダムユーティリティモデルに従い、Gumbel分布によるノイズを含むことで、確率的選択行動をモデル化する。
• コンテンツ作成者を、任意のノーレグレット学習アルゴリズムを用いて戦略を適応的に選択するプレイヤーとして表現する。
• 自己利益志向の行動に起因する社会的福祉損失を測定するために、価格の悪化を用いて均衡結果を分析する。
• ユーザーの意思決定におけるやや強い確率的性質とエンゲージメントに基づくインcentiveのもとで、価格の悪化の上界を $1 + O(1/\log K)$ として導出する。
• 合成データおよび実世界のデータシミュレーションを通じて理論的結果を検証し、作成者数の変化に伴うジャンル分布の分析を含む。

実験結果

リサーチクエスチョン

• RQ1 戦略的コンテンツ作成がもたらされるトップ-$K$推薦システムの社会的福祉は、どのように劣化するか？
• RQ2 作成者がノーレグレット学習を用いてユーザーのエンゲージメントをめぐって競争する場合、最悪の効率損失（価格の悪化で測定）はどの程度か？
• RQ3 ユーザー選択に確率的性質が含まれる場合、トップ-$K$推薦の効率性にどのような影響を与えるか？
• RQ4 作成者が戦略的であっても、推薦アイテム数 $K$ が増加するにつれて価格の悪化は改善するのか？
• RQ5 作成者のインセンティブがユーザーのエンゲージメントやプラットフォームの目標と一致しなくなった場合、社会的福祉にはどのような影響があるか？

主な発見

• 戦略的作成者が存在するトップ-$K$推薦における価格の悪化は、$1 + O(1/\log K)$ で上界が与えられ、$K$ が大きい場合には近似的に最適な効率性を示す。
• 上界は、漸近的レートを再現する下界インスタンスを構築することで、タイトであることが示された。
• 動的で学習ベースの設定下でも、福祉損失は $K$ とユーザー選択のランダム性に依存する小さな定数で厳密に有界である。
• シミュレーションでは、作成者数 $n$ が増加するにつれて、コンテンツの分布がより多様化し、最適に近づき、社会的福祉が向上することが示された。
• 作成者の学習戦略における高い探索率（$\epsilon$）を用いることで、人気ジャンルの過剰生産（コンテンツの極端化）が軽減される。
• 理論的上界はノーレグレット学習のもとでも成り立つことから、限界的合理的な作成者でさえ均衡状態で効率的結果を達成できることを確認した。