[논문 리뷰] Multi-stakeholder Recommendation and its Connection to Multi-sided Fairness

Himan Abdollahpouri, Robin Burke|arXiv (Cornell University)|2019. 07. 30.

Decision-Making and Behavioral Economics참고 문헌 19인용 수 30

한 줄 요약

이 논문은 다중 이해관계자 추천 시스템의 분류 체계를 제안하며, 세 가지 핵심 유형을 식별한다: 다중 수신자, 다중 공급자, 그리고 부가 이해관계자가 있는 추천. 다중 이해관계자 추천을 다각도의 공정성—C-공정성(소비자), P-공정성(공급자), S-공정성(직접 참여하지 않지만 영향을 받는 부가 이해관계자)—과 연결하는 프레임워크를 수립하고, 서로 다른 이해관계자의 이권을 균형 있게 조율하기 위한 통합적 알고리즘 설계의 필요성을 주장한다.

ABSTRACT

There is growing research interest in recommendation as a multi-stakeholder problem, one where the interests of multiple parties should be taken into account. This category subsumes some existing well-established areas of recommendation research including reciprocal and group recommendation, but a detailed taxonomy of different classes of multi-stakeholder recommender systems is still lacking. Fairness-aware recommendation has also grown as a research area, but its close connection with multi-stakeholder recommendation is not always recognized. In this paper, we define the most commonly observed classes of multi-stakeholder recommender systems and discuss how different fairness concerns may come into play in such systems.

연구 동기 및 목표

• 사용자 중심 모델을 초월하는 가장 일반적인 다중 이해관계자 추천 시스템 유형을 정의하고 분류하는 것.
• 추천 플랫폼 내에서 사용자, 항목 공급자, 부가 이해관계자 등 다양한 이해관계자 그룹에 걸쳐 나타나는 공정성 문제를 식별하고 체계화하는 것.
• 다중 이해관계자 추천과 공정성 인식 추천 간의 개념적·방법론적 다리를 놓는 것—이 둘은 종종 별개의 연구 주제로 다뤄진다.
• 직접 추천 거래에 참여하지는 않지만 영향을 받는 이해관계자(예: 배달 기사)를 위한 새로운 공정성 차원인 S-공정성을 제안하는 것.
• 다양한 이해관계자의 목표와 공정성 기준을 동시에 충족시키는 미래의 알고리즘 개발 기반을 마련하는 것.

제안 방법

• 다중 이해관계자 추천을 세 가지 주요 유형으로 분류하는 분류 체계를 제안: 다중 수신자(예: 그룹 추천), 다중 공급자(예: 우버 이츠의 다수 레스토랑), 부가 이해관계자가 있는 시스템(예: 배달 기사).
• 세 단계의 공정성 프레임워크 도입: C-공정성(소비자에 대한 공정성), P-공정성(항목 공급자에 대한 공정성), S-공정성(직접 참여하지 않지만 영향을 받는 부가 이해관계자에 대한 공정성).
• 실제 사례(예: 우버 이츠, 직업 추천 플랫폼)를 활용해 실생활에서 이해관계자 간 갈등과 공정성의 상충이 어떻게 발생하는지 설명한다.
• 기존의 공정성 정의를 확장하여 그룹 환경에서의 장기적 공정성도 고려함—예를 들어, 그룹 추천에서 개인의 선호가 간과당하지 않도록 하는 것.
• 사용자 만족도와 기업 수익을 균형 잡는 가치 인식 추천(예: 사용자 만족도와 수익 균형)이 다중 이해관계자 추천의 하이브리드 형태로 간주될 수 있음을 주장한다.
• 미래의 시스템은 하나의 추천 알고리즘 안에서 다중 공정성 유형(예: CP-공정성, S-공정성)을 통합하여 복잡한 이해관계자 역학을 다룰 것을 제안한다.

실험 결과

연구 질문

• RQ1 다중 이해관계자 추천 시스템에서 가장 흔히 관찰되는 유형은 무엇이며, 기존의 사용자 중심 추천 시스템과 어떻게 다를까?
• RQ2 다중 이해관계자 추천 플랫폼에서 소비자, 공급자, 부가 이해관계자 등 다양한 이해관계자 그룹에서 공정성 문제는 어떻게 나타나는가?
• RQ3 S-공정성은 다중 이해관계자 시스템에서 어떤 역할을 하는가? C-공정성과 P-공정성과는 어떻게 다를까?
• RQ4 기존의 추천 문제들—예를 들어 그룹 추천이나 상호 추천—은 다중 이해관계자 프레임워크 안에서 어떻게 통합될 수 있는가?
• RQ5 공정성 인식 추천은 어떻게 다중 이해관계자 문제로 재구성될 수 있으며, 균형 잡힌 윤리적인 결과를 도출할 수 있는가?

주요 결과

• 다중 이해관계자 추천은 기존의 그룹 추천, 상호 추천 등의 추천 패러다임을 포함하는 총칭이지만, 통합된 분류 체계가 부족하다.
• 추천의 공정성은 본질적으로 다각도적이다: C-공정성은 소비자 간의 공정성을 다루며, P-공정성은 공급자 간의 공정성을 보장하고, S-공정성은 직접 참여하지 않지만 영향을 받는 이해관계자(예: 배달 기사)의 영향을 반영한다.
• 우버 이츠 플랫폼은 다중 공급자, 부가 이해관계자, 가치 인식 추천의 특성을 모두 포함한 하이브리드 시스템의 사례로, 현실 세계의 다중 이해관계자 역학의 복잡성을 잘 보여준다.
• S-공정성은 배달 기사 등 부가 이해관계자에 대해 노동량, 이동 거리, 할당의 공정성 측면에서 공정하게 대우할 의무를 반영하는 새로운 공정성 차원이다.
• 기존의 공정성 정의는 다중 이해관계자 시스템에는 부적절하다; 통합적인 접근은 다중 공정성 유형(예: CP-공정성, S-공정성)을 동시에 고려해야 한다.
• 공정성과 다중 이해관계자 설계의 통합은 지속 가능하고 윤리적인 추천 시스템을 위해 필수적이며, 향후 알고리즘 연구는 이러한 통합을 우선시해야 한다.