[논문 리뷰] Multi-Stakeholder Recommendation: Applications and Challenges

Yong Zheng|arXiv (Cornell University)|2017. 07. 27.

Recommender Systems and Techniques참고 문헌 20인용 수 9

한 줄 요약

이 논문은 기존 추천 시스템의 한계를 해결하기 위해 단순히 최종 사용자만을 고려하는 대신, 여러 이해관계자(예: 광고주, 지도교사, 채점자 등)의 이익까지 고려하는 다수 이해관계자 추천을 제안한다. 이는 다수 이해관계자의 이익, 이해관계자 간 상관관계, 그리고 동적 맥락적 요인을 통합하는 프레임워크를 제안하며, 연인 만남, 광고, 교육, 관광 분야에 적용 가능하다. 이 과정에서 이해관계자 간 이해관계의 충돌과 관계를 모델링하는 데 도전 과제가 있음을 강조한다.

ABSTRACT

Recommender systems have been successfully applied to assist decision making by producing a list of item recommendations tailored to user preferences. Traditional recommender systems only focus on optimizing the utility of the end users who are the receiver of the recommendations. By contrast, multi-stakeholder recommendation attempts to generate recommendations that satisfy the needs of both the end users and other parties or stakeholders. This paper provides an overview and discussion about the multi-stakeholder recommendations from the perspective of practical applications, available data sets, corresponding research challenges and potential solutions.

연구 동기 및 목표

• 기존 추천 시스템이 최종 사용자 이익만 최적화하는 데에 한계가 있다는 점을 해결하기 위해 추천 과정에 다수 이해관계자를 통합하는 것.
• 온라인 만남, 광고, 교육, 관광과 같은 분야에서 다수 이해관계자 추천의 실용적 응용 사례를 식별하고 분석하는 것.
• 상충하는 이해관계자 이익, 이해관계자 간 관계, 동적 맥락적 요인과 같은 핵심 연구 과제를 검토하는 것.
• 체인 기반 예측 및 게임 이론적 접근과 같은 방법론적 방향을 제안하여 다수 이해관계자 이익 최적화를 모델링하는 것.
• 가용 데이터셋을 조사하고 향후 연구 방향을 제시함으로써 다수 이해관계자 추천 분야의 협업과 개방형 연구를 장려하는 것.

제안 방법

• 최종 사용자 외에도 광고주, 지도교사, 채점자 등 다른 이해관계자의 이익까지 모델링하는 프레임워크를 제안한다.
• 다양한 이익 차원 간 상관관계를 포착하기 위해 예측값을 후속 예측의 특징으로 사용하는 순차적 예측 모델인 'CriteriaChains' 개념을 도입한다.
• 상호의존성과 선호도 집합을 모델링하기 위해 상호 추천, 다기준 추천, 그룹 추천 기법을 적응하여 활용한다.
• 추천의 관련성 향상을 위해 맥락(예: 가족과 함께 여행 중)이나 정서 상태와 같은 동적 요소를 이익 모델링에 통합할 것을 제안한다.
• 학생이 쉬운 프로젝트를 선호하는 것과 지도교사가 도전적인 프로젝트를 선호하는 것처럼 이해관계자 간 상충하는 이익을 균형 잡기 위해 게임 이론 및 공정성 기반 최적화를 제안한다.
• 학생과 채점자 간의 사회적 유대관계처럼 추천에 영향을 줄 수 있거나 제약을 가질 수 있는 이해관계자 간의 관계를 모델링할 필요성을 강조한다.

실험 결과

연구 질문

• RQ1 기존 추천 시스템이 최종 사용자 외의 이해관계자 이익까지 고려하지 못하는 점을 감안할 때, 어떻게 다수 이해관계자 이익 최적화를 위한 추천 시스템을 확장할 수 있는가?
• RQ2 연인 만남, 광고, 교육 등 분야에서 다수 이해관계자 추천의 핵심 응용 사례와 실제 활용 사례는 무엇인가?
• RQ3 특히 상충하는 이해관계자 이익 간 상관관계가 추천 품질과 시스템 설계에 어떤 영향을 미치는가?
• RQ4 맥락, 정서 상태, 시간적 변화와 같은 동적 요소가 이해관계자 선호도와 추천 결과에 어떤 역할을 하는가?
• RQ5 사회적 유대관계, 기관 내 역할 등 이해관계자 간 관계를 어떻게 모델링하여 추천 정확도와 공정성을 향상시킬 수 있는가?

주요 결과

• 다수 이해관계자 추천은 아직 초기 단계이지만 기존 추천 시스템의 핵심적 확장으로, 온라인 만남, 타겟 광고, 교육 프로젝트 배정 등 실제 응용에서 점점 더 중요한 역할을 하고 있다.
• 논문은 기존 시스템이 최종 사용자 이익에만 집중함으로써 광고주가 광고 배치에 관심을 기울이거나 교육 현장에서 지도교사의 요구를 간과한다는 점을 지적한다.
• 학생이 쉬운 프로젝트를 원하는 것과 지도교사가 도전적인 프로젝트를 원하는 것처럼 이해관계자 이익 간 상충 관계는 체인 기반 예측이나 게임 이론적 최적화와 같은 고급 모델링 기법이 필요하다.
• 가족과 함께 여행 중인 것과 같은 맥락이나 정서 상태와 같은 동적 요소는 이해관계자 선호도에 상당한 영향을 미치며, 추천 모델의 관련성 향상을 위해 반드시 통합되어야 한다.
• 상호 추천 및 그룹 추천과 같은 기존 프레임워크는 부분적으로 해결책을 제공하지만, 비대칭적이거나 상충하는 이익을 가진 복잡한 다자간 시스템에는 부적합하다.
• 공개된 데이터셋 부족과 표준화된 평가 프로토콜의 부재는 이 연구 분야의 발전을 가로막는 주요 장애물로 남아 있다.