[論文レビュー] Multisided Fairness for Recommendation

Robin Burke|arXiv (Cornell University)|Jul 1, 2017

Recommender Systems and Techniques参考文献 12被引用数 90

ひとこと要約

本論文は、消費者・提供者・プラットフォーム間の多方面フェアネスを導入することで推薦システムへの公平性を拡張し、公平性意識を持つ推薦の分類法とアーキテクチャを概説する。

ABSTRACT

Recent work on machine learning has begun to consider issues of fairness. In this paper, we extend the concept of fairness to recommendation. In particular, we show that in some recommendation contexts, fairness may be a multisided concept, in which fair outcomes for multiple individuals need to be considered. Based on these considerations, we present a taxonomy of classes of fairness-aware recommender systems and suggest possible fairness-aware recommendation architectures.

研究の動機と目的

• 個人化された推薦の文脈における機械学習の公平性を動機づける。
• 推薦プラットフォームにはしばしば複数の利害関係者と公正性の衝突の可能性が含まれることを強調する。
• 影響を受ける利害関係者グループに基づく、公平性を意識した推薦システムの分類法を提案する。
• 消費者・提供者・プラットフォーム全体にわたる公平性を達成するためのアーキテクチャと戦略を論じる。

提案手法

• 多方面フェアネスを定義し、利害関係者への影響に基づいてC-fairness、P-fairness、CP-fairnessの分類を行う。
• 例として雇用、融資、マーケットプレイスなどの領域を説明し、プラットフォームの両側にまたがる公正性の懸念を示す。
• 個別化の低下の可能性やドメイン特有の効用の必要性を含む、公平性を達成するための設計上の考慮事項を論じる。
• 公正性と多様性の関連アプローチ（例：多様性を意識した推薦、オンライン入札など）への類推を提案し、公正な結果を実現する。

実験結果

リサーチクエスチョン

• RQ1 推薦システムが複数の利害関係者グループ（消費者、提供者、プラットフォーム）にサービス提供する場合、どのような公正性の配慮が生じるか。
• RQ2 どの側が保護・優先されるか（C-fairness、P-fairness、CP-fairness）に基づいて、公平性を意識した推薦システムをどう分類できるか。
• RQ3 全体のシステム有用性を損なわずに、利害関係者間で公正な結果を保証するためのアーキテクチャや仕組みは何か。
• RQ4 多方面フェアネスの原則が重要な役割を果たす領域はどこか、実際にどのように実装され得るか。

主な発見

• 推薦の公平性は多方面になる可能性があり、消費者・提供者・プラットフォームに影響を及ぼす。
• 多方面フェアネスの3つのクラスを同定した：C-fairness（消費者）、P-fairness（提供者）、CP-fairness（双方）。
• P-fairnessの検討には、提供者間の公正な分配または多様性を確保することが含まれ、動的または入札ベースの仕組みを通じて実現される可能性がある。
• CP-fairnessは、互恵的推奨など、両側が公平性の考慮を必要とする状況を含む。
• 本論文はドメイン特異性と、個人化と規制的または倫理的成果のトレードオフを強調する。
• 本議論は推薦における公平性の概念を、多様性・入札・公平な表現に関する関連研究と結びつける。