[論文レビュー] Patterns of Multistakeholder Recommendation

Robin Burke, Himan Abdollahpouri|arXiv (Cornell University)|Jul 28, 2017

Recommender Systems and Techniques参考文献 32被引用数 6

ひとこと要約

本稿は、消費者、提供者、プラットフォームという3つのステークホルダーをモデル化し、それぞれが個人化されたまたは中立的な利得好みを持つことにより、マルチステークホルダー推薦システムの包括的な分類体系を提示する。2×4×3の設計可能性マトリクスを提案し、プラットフォーム指向（Sₜ）やプラットフォーム集約的（Sₐ）利得といった未だ十分に探査されていない設定を特定し、伝統的なユーザー中心のモデルを超えて、公平性、教育、健康分野における今後の研究の必要性を強調する。

ABSTRACT

Recommender systems are personalized information systems. However, in many settings, the end-user of the recommendations is not the only party whose needs must be represented in recommendation generation. Incorporating this insight gives rise to the notion of multistakeholder recommendation, in which the interests of multiple parties are represented in recommendation algorithms and evaluation. In this paper, we identify patterns of stakeholder utility that characterize different multistakeholder recommendation applications, and provide a taxonomy of the different possible systems, only some of which have currently been implemented.

研究の動機と目的

• エンドユーザーを超えた提供者やプラットフォームを含む複数のステークホルダーを考慮する推薦システムの増大するニーズに対応すること。
• マルチステークホルダー推薦システムにおけるステークホルダー利得の多様な設定を特定・分類すること。
• 消費者／提供者／プラットフォームの利得タイプを組み合わせた構造的2×4×3マトリクスを用いて、マルチステークホルダー推薦の設計空間を形式化すること。
• 特にSₜ（指向型）およびSₐ（集約型）プラットフォーム利得に焦点を当て、公平性、教育、健康分野における今後の研究を呼びかける、未だ十分に探査されていない設定を明らかにすること。
• 伝統的なユーザー中心の評価指標を超えて、プラットフォームの目的、公平性、教育的目標を含めた、マルチステークホルダー推薦システムの評価を拡張すること。

提案手法

• 消費者（C）、提供者（P）、プラットフォーム（S）の利得好みを表す3タプル表記⟨C, P, S⟩を提案し、各成分を中立的（n）または個人化的（p）に分類する。
• 消費者および提供者の利得の組み合わせ（受動的−または能動的＋）に基づき、推薦タイプを分類し、16通りの可能な設定を導出する。
• プラットフォーム利得タイプを3つ導入：Sₙ（中立的）、Sₐ（集約利得、例：利益最大化）、Sₜ（指向型利得、例：公平性やカリキュラム整合性）。
• ジョブマッチング、オンライン広告、教育プラットフォームといった実世界の例を用いて、異なる設定が実際の場面でどのように現れるかを説明する。
• マルチサイドプラットフォーム理論およびマルチ目的最適化の原則を用いて設計空間を枠組みづけ、分野固有の制約とステークホルダー間の依存関係を強調する。
• この分類体系の視点から既存のシステムを分析し、⟨Cₚ⁻, Pₙ⁻, Sₙ⟩および⟨Cₚ⁻, Pₚ⁻, Sₙ⟩の2つの設定にのみ顕著な研究注目が集まっていることを示す。

実験結果

リサーチクエスチョン

• RQ1 マルチステークホルダー推薦システムを特徴づけるステークホルダー利得の明確な設定は何か？
• RQ2 消費者、提供者、プラットフォームの利得好みの異なる組み合わせが、マルチステークホルダー推薦の設計空間にどのように影響を与えるか？
• RQ3 なぜ可能なマルチステークホルダー設定のうち、一部の設定にのみ顕著な研究注目が集まっているのか。その影響は今後のシステム開発にどのような意味を持つのか？
• RQ4 プラットフォーム利得は中立的（Sₙ）を超えて、どのように意味的に推薦アルゴリズムに統合できるか。特に、公平性や教育分野においては？
• RQ5 ユーザーの好み、提供者の関心、プラットフォームの目標が対立する場合、マルチステークホルダー推薦システムはどのように評価できるか？

主な発見

• マルチステークホルダー推薦の分野は、2×4×3の設定マトリクスとして最も適切に表現されるが、そのうちのわずかな一部、特にSₐおよびSₜプラットフォーム利得を含む設定が研究で探査されている。
• 最もよく研究されている設定は、⟨Cₚ⁻, Pₙ⁻, Sₙ⟩および⟨Cₚ⁻, Pₚ⁻, Sₙ⟩であり、消費者向けにパーソナライズされた推薦がなされるが、提供者およびプラットフォームに対しては中立的である。
• プラットフォーム利得は、もはや中立的（Sₙ）としてモデル化されるのではなく、集約的（Sₐ、例：広告における利益最大化）または指向的（Sₜ、例：教育分野における公平性やカリキュラム整合性）としてモデル化されるようになっている。
• グーグルの広告オークションやオーバートラベルの予約システムといった実世界のシステムは、プラットフォーム利得が推薦論理に埋め込まれているが、明示的にそう呼ばれていない例を示している。
• 教育や健康といった新興分野は、Sₜ設計の需要を高めている。ここでは、プラットフォームの戦略的目標（例：公平な結果）が単なるステークホルダー利得の集約を上回る。
• この分類体系は、パーソナライズされた消費者および提供者好みと、プラットフォームの目的をバランスさせるシステムにおいて、顕著な研究ギャップを明らかにしている。特に、公平性に配慮した、教育的ガイドラインに従った推薦分野において顕著である。