[논문 리뷰] Patterns of Multistakeholder Recommendation

Robin Burke, Himan Abdollahpouri|arXiv (Cornell University)|2017. 07. 28.

Recommender Systems and Techniques참고 문헌 32인용 수 6

한 줄 요약

이 논문은 소비자, 공급자, 플랫폼의 세 부문을 모델링하여 다중주체 추천 시스템을 위한 종합적인 분류 체계를 제안한다. 각 부문은 개인화된 또는 중립적인 유틸리티 선호를 가진다. 2×4×3의 설계 가능성 매트릭스를 제안하며, 플랫폼 대상(Sₜ) 및 플랫폼 집계(Sₐ) 유틸리티와 같은 연구가 부족한 구성 요소를 특정하고, 기존의 사용자 중심 모델을 넘어서 공정성, 교육, 건강 분야의 향후 연구가 필요하다고 강조한다.

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.

연구 동기 및 목표

• 최종 사용자 외에도 공급자와 플랫폼을 포함한 다수의 주체를 고려하는 추천 시스템의 증가하는 필요성을 해결하기 위해.
• 다중주체 추천 시스템 내 주체 유틸리티의 다양한 구성 요소를 식별하고 분류하기 위해.
• 소비자/공급자/플랫폼 유틸리티 유형의 구조화된 2×4×3 매트릭스를 사용하여 다중주체 추천 시스템의 설계 공간을 정형화하기 위해.
• 특히 Sₜ(대상 지정) 및 Sₐ(집계) 플랫폼 유틸리티와 같은 연구가 미흡한 구성 요소를 강조하며, 공정성, 교육, 건강 분야의 향후 연구를 촉구하기 위해.
• 기존의 사용자 중심 평가 지표를 넘어서 플랫폼 목표, 공정성, 교육적 목표를 포함하여 다중주체 추천 시스템의 평가를 확장하기 위해.

제안 방법

• 소비자(C), 공급자(P), 플랫폼(S) 유틸리티 선호를 나타내기 위해 3개의 튜플 표기 ⟨C, P, S⟩를 제안하며, 각 성분은 중립(n) 또는 개인화(p)로 분류된다.
• 소비자 및 공급자 유틸리티 조합에 기반하여 추천 유형을 분류하며, 수동(−) 또는 수동이 아닌(+) 조합으로 16가지 가능한 구성이 유도된다.
• 플랫폼 유틸리티 유형을 세 가지로 도입: Sₙ(중립), Sₐ(집계 유틸리티, 예: 수익성), Sₜ(대상 유틸리티, 예: 공정성 또는 교육 과정 일치 목표).
• 직업 매칭, 온라인 광고, 교육 플랫폼 등의 실제 사례를 통해 다양한 구성이 실생활에서 어떻게 나타나는지 설명한다.
• 다양한 플랫폼 이론과 다목적 최적화 원리를 적용하여 설계 공간을 프레임워크화하며, 분야별 제약 조건과 주체 간 상호의존성을 강조한다.
• 기존 시스템을 이 분류 체계의 관점에서 분석하여, ⟨Cₚ⁻, Pₙ⁻, Sₙ⟩ 및 ⟨Cₚ⁻, Pₚ⁻, Sₙ⟩ 두 가지 구성만 상당한 연구 주목을 받은 것으로 나타냈다.

실험 결과

연구 질문

• RQ1 다중주체 추천 시스템을 정의하는 데 기여하는 주체 유틸리티의 고유한 구성 요소는 무엇인가?
• RQ2 소비자, 공급자, 플랫폼 유틸리티 선호의 다양한 조합이 다중주체 추천 시스템의 설계 공간을 어떻게 형성하는가?
• RQ3 왜 가능한 다중주체 구성의 일부만 상당한 연구 주목을 받았는가? 이는 향후 시스템 개발에 어떤 영향을 미치는가?
• RQ4 플랫폼 유틸리티는 중립성 외에 어떻게 의미 있게 추천 알고리즘에 통합될 수 있는가? 특히 공정성 및 교육 분야에서 말이다?
• RQ5 사용자 선호, 공급자 관심, 플랫폼 목표 간에 목표가 충돌할 경우, 다중주체 추천 시스템은 어떻게 평가될 수 있는가?

주요 결과

• 다중주체 추천 시스템의 공간은 구성 요소가 2×4×3인 매트릭스로 가장 잘 표현되며, 이 중 Sₐ 및 Sₜ 플랫폼 유틸리티를 포함한 구성은 연구에서 거의 다뤄지지 않았다.
• 가장 일반적으로 연구된 구성은 ⟨Cₚ⁻, Pₙ⁻, Sₙ⟩ 및 ⟨Cₚ⁻, Pₚ⁻, Sₙ⟩이며, 이는 소비자에게 개인화된 추천이지만 공급자 및 플랫폼에 대해서는 중립적인 유틸리티를 가진다.
• 플랫폼 유틸리티는 점점 더 중립(Sₙ)으로 보는 것에서 벗어나, 광고의 수익성 최적화와 같은 집계(Sₐ) 또는 교육의 공정성 또는 교육 과정 일치 목표와 같은 대상(Sₜ) 유틸리티로 모델링되고 있다.
• 구글의 광고 경매 및 오픈테이블의 예약 시스템과 같은 실제 시스템은 플랫폼 유틸리티가 추천 논리에 통합되어 있음을 보여주며, 이를 명시적으로 표기하지는 않아도 된다.
• 교육 및 건강 분야와 같은 새로운 분야에서 Sₜ 설계에 대한 수요가 증가하고 있으며, 이는 플랫폼의 전략적 목표(예: 공정한 결과)가 단순한 주체 유틸리티 집계를 초월하기 때문이다.
• 이 분류 체계는 개인화된 소비자 및 공급자 선호를 플랫폼 목표와 균형 있게 조율하는 시스템에 대해 특히 공정성 인식 및 교육적 지침을 고려한 추천 분야에서 상당한 연구 격차를 드러낸다.