[논문 리뷰] Supply-Side Equilibria in Recommender Systems

Meena Jagadeesan, Nikhil Garg외 1명|arXiv (Cornell University)|2022. 06. 27.

Consumer Market Behavior and Pricing인용 수 6

한 줄 요약

이 논문은 개인화된 추천 시스템에서 공급측 균형을 게임 이론적 모델로 제시하며, 생산자가 사용자 추천 수를 극대화하고 생산 비용을 최소화하기 위해 다차원 콘텐츠를 전략적으로 생성하는 것을 다룹니다. 사용자 간 이질성이 높고 다차원 생산이 비용 효율적일 경우 전문화—다른 사용자 집단을 대상으로 하는 전략적 접근—가 나타나며, 이는 양의 이윤과 시장 경쟁력 감소를 초래합니다.

ABSTRACT

Algorithmic recommender systems such as Spotify and Netflix affect not only consumer behavior but also producer incentives. Producers seek to create content that will be shown by the recommendation algorithm, which can impact both the diversity and quality of their content. In this work, we investigate the resulting supply-side equilibria in personalized content recommender systems. We model users and content as $D$-dimensional vectors, the recommendation algorithm as showing each user the content with highest dot product, and producers as maximizing the number of users who are recommended their content minus the cost of production. Two key features of our model are that the producer decision space is multi-dimensional and the user base is heterogeneous, which contrasts with classical low-dimensional models. Multi-dimensionality and heterogeneity create the potential for specialization, where different producers create different types of content at equilibrium. Using a duality argument, we derive necessary and sufficient conditions for whether specialization occurs: these conditions depend on the extent to which users are heterogeneous and to which producers can perform well on all dimensions at once without incurring a high cost. Then, we characterize the distribution of content at equilibrium in concrete settings with two populations of users. Lastly, we show that specialization can enable producers to achieve positive profit at equilibrium, which means that specialization can reduce the competitiveness of the marketplace. At a conceptual level, our analysis of supply-side competition takes a step towards elucidating how personalized recommendations shape the marketplace of digital goods, and towards understanding what new phenomena arise in multi-dimensional competitive settings.

연구 동기 및 목표

• 알고리즘 기반 추천이 디지털 콘텐츠 시장에서 생산자 인centives를 어떻게 형성하는지 이해하기 위해.
• 개인화된 추천 시스템에서 시각성 확보를 놓고 경쟁하는 콘텐츠 생산자의 전략적 행동을 모델링하기 위해.
• 다차원 콘텐츠 생산에서 전문화가 나타나는 조건을 조사하기 위해.
• 생산자 비용 구조와 사용자 선호 이질성이 시장 결과에 미치는 영향을 분석하기 위해.
• 전문화가 양의 이윤과 시장 경쟁력 감소를 초래하는지 판단하기 위해.

제안 방법

• 사용자와 콘텐츠를 R≥0^D 내의 D차원 벡터로 모델링하며, 사용자 가치는 내적 ⟨u, p⟩로 정의합니다.
• 추천 알고리즘을 각 사용자에게 대해 내적 값이 최대가 되는 콘텐츠를 선택하는 것으로 표현합니다.
• 생산자 유용도를 그들의 콘텐츠가 추천받는 사용자 수에서 비용 c(p) = ||p||^β를 뺀 것으로 설정합니다.
• 이중성 원리를 활용하여 균형에서 전문화가 발생하는 필수 및 필요조건을 유도합니다.
• 두 명의 사용자 집단이 존재하고 비용 지수 β가 변할 때의 균형 콘텐츠 분포를 분석합니다.
• 기하학적 및 볼록 해석 기법을 활용하여 균형 상태에서 콘텐츠 벡터의 지지 집합과 누적분포함수를 특성화합니다.

실험 결과

연구 질문

• RQ1 개인화된 추천 알고리즘 하에서 다차원 콘텐츠 생산에서 전문화가 발생하는 조건은 무엇인가요?
• RQ2 비용 구조(특히 ||p||^β 내의 β)는 전문화의 발생과 시장 경쟁력에 어떻게 영향을 미치나요?
• RQ3 균형 상태에서 생산자가 양의 이윤을 달성할 수 있으며, 만약 가능하다면 어떤 조건에서 가능할까요?
• RQ4 사용자 선호 이질성은 균형 상태에서 콘텐츠 유형의 분포에 어떻게 영향을 미치나요?
• RQ5 콘텐츠 공간의 차원 수는 공급측 균형을 어떻게 형성합니까?

주요 결과

• 사용자가 충분히 이질적이고 생산자가 다수의 차원에서 높은 성능을 낮을 수 있는 저비용 생산이 가능할 경우, 이중성 조건을 통해 수식화된 바와 같이 전문화가 발생합니다.
• β가 증가함에 따라 단계 전이가 발생합니다: 낮은 β에서는 단일 장르 균형이 나타나고, 높은 β에서는 무한한 수의 장르가 나타나며, 이는 전문화를 의미합니다.
• Q < (1/N)^(P/β)일 경우 균형에서 양의 이윤을 달성할 수 있으며, 여기서 Q는 사용자 집단 간 최소 사용자 가치를 측정하고 N은 사용자 수입니다.
• 균형 상태에서 콘텐츠 벡터의 분포는 순수 수직 또는 순수 수평 차별화를 보이며, 다장르 균형에서는 ||p||의 누적분포함수가 단계 함수가 됩니다.
• 균형 분포 μ의 지지 집합은 p = 0를 포함하며, 이는 0 이윤을 초래하므로, 모든 행동이 동일한 유용도를 제공할 경우 0 이윤이 균형과 일치함을 확인합니다.
• 전문화는 시장 경쟁력을 감소시킵니다. 왜냐하면 대칭적인 설정에서도 생산자가 양의 이윤을 확보할 수 있기 때문입니다. 이는 기존 모델에서의 0 이윤 경쟁 가정에 도전합니다.