[論文レビュー] Interpolating Item and User Fairness in Multi-Sided Recommendations

Qinyi Chen, Jason Cheuk Nam Liang+2 more|arXiv (Cornell University)|Jun 12, 2023

Advanced Bandit Algorithms Research被引用数 4

ひとこと要約

本稿では、マルチサイドプラットフォームにおけるプラットフォーム収益とアイテム・ユーザーの両方の公平性をバランスさせる、革新的な公平推薦フレームワークである Problem (fair) を提案する。低レグレットのオンラインアルゴリズムである FORM を導入し、動的にアイテムおよびユーザーの公平性制約を補間することで、ユーザーの好みの学習と公平性の維持を同時に実現し、動的環境下で低い収益および公平性のレグレットを達成する。

ABSTRACT

Today's online platforms heavily lean on algorithmic recommendations for bolstering user engagement and driving revenue. However, these recommendations can impact multiple stakeholders simultaneously -- the platform, items (sellers), and users (customers) -- each with their unique objectives, making it difficult to find the right middle ground that accommodates all stakeholders. To address this, we introduce a novel fair recommendation framework, Problem (FAIR), that flexibly balances multi-stakeholder interests via a constrained optimization formulation. We next explore Problem (FAIR) in a dynamic online setting where data uncertainty further adds complexity, and propose a low-regret algorithm FORM that concurrently performs real-time learning and fair recommendations, two tasks that are often at odds. Via both theoretical analysis and a numerical case study on real-world data, we demonstrate the efficacy of our framework and method in maintaining platform revenue while ensuring desired levels of fairness for both items and users.

研究の動機と目的

• アルゴリズム的推薦システムにおいて、プラットフォーム、アイテム、ユーザーの複数のステークホルダーの公平性をバランスする課題に対処すること。
• プラットフォームがアイテムおよびユーザーの公平性指標を定義でき、その公平性の「価格」を支払う意思があるフレームワークを柔軟に開発すること。
• リアルタイムでユーザー行動を学び、公平性制約を維持するオンライン学習アルゴリズムを設計すること。
• 部分的かつ遅延したフィードバックがある状況下でも、時間経過とともに収益および公平性の両面で低いレグレットを達成すること。
• 実世界のデータを用いた事例研究を通じて、フレームワークの実用的有効性を検証すること。

提案手法

• プラットフォーム収益を最大化すると同時に、カスタマイズ可能な公平性定義を用いてアイテムおよびユーザーの公平性制約を課す、多目的最適化フレームワークである Problem (fair) を提案する。
• プラットフォームが事前の知識なしに、リアルタイムで購入確率および到着率を学習する動的オンライン設定を定義する。
• アルゴリズムのパフォーマンスを評価するための2つの指標を定義する：収益レグレット（最適収益との差）および公平性レグレット（公平性目標からの逸脱）。
• 適応的信頼区間と公平性に配慮した更新を用いて、探索（学習）と活用（公平な推薦）のバランスを取る、低レグレットのオンライン推薦アルゴリズムである FORM を設計する。
• 二重最適化アプローチを採用：一つはユーザーの購入確率を推定するためのもので、もう一つはアイテムおよびユーザーの結果関数を介して公平性を維持するためのものである。
• 信頼区間に基づく探索戦略を用いて、すべてのアイテム・ユーザーのペアに対する十分なサンプリングを保証し、探索が不十分なために生じる誤った推定を防ぐ。

実験結果

リサーチクエスチョン

• RQ1 マルチサイドマーケットプレイスにおいて、プラットフォーム、アイテム、ユーザーの利害を公平にバランスする推薦システムはどのように実現できるか？
• RQ2 目的が互いに矛盾する可能性がある状況下で、アイテムおよびユーザーの両方の公平性を効果的に定義し、同時に実装する方法は何か？
• RQ3 探索と活用の間に葛藤が生じる中で、プラットフォームはどのようにユーザーの好みをリアルタイムで学び、公平性を維持できるか？
• RQ4 部分的かつ遅延したフィードバックの下でも、オンラインアルゴリズムが収益および公平性の両面で低いレグレットを達成できるか？
• RQ5 提案されたフレームワークは、実世界の推薦データにおいて実際の場面でどのように機能するか？

主な発見

• FORM は低い収益レグレットを達成しており、ユーザーの好みを完全に把握した場合に得られる最適収益に近い性能を示している。
• FORM は低い公平性レグレットを維持しており、アイテムおよびユーザーの両方について、時間平均での公平性目標からの逸脱が最小限に抑えられている。
• フレームワークは、アイテムの公平性とユーザーの公平性の間を効果的に補間でき、プラットフォームが各ステークホルダーに対してカスタマイズ可能な「公平性の価格」を設定できる。
• アルゴリズムは信頼区間を用いた探索戦略により、探索と活用のトレードオフを効果的に管理しながら、公平性制約を維持している。
• 実世界のデータを用いた事例研究により、フレームワークがプラットフォーム収益を著しく損なわず、アイテムおよびユーザーの両方の公平性を向上させていることが示された。
• 理論的分析により、FORM が不確実性に対して頑健であり、時間経過とともに公平性および収益パフォーマンスを維持していることが確認された。