[論文レビュー] Optimizing Long-term Social Welfare in Recommender Systems: A Constrained Matching Approach

Martin Mladenov, Elliot Creager+4 more|arXiv (Cornell University)|Jul 31, 2020

Smart Grid Energy Management被引用数 11

ひとこと要約

本稿では、コンテンツプロバイダーが最小エンゲージメント閾値を満たすことで存続可能であることを保証することで、推薦システムにおける長期的ソーシャルウェルフェアを最適化する制約付きマッチングフレームワークを提案する。推薦ポリシーを最適な制約付きマッチング問題としてモデル化することにより、公平性やプロバイダーのユーティリティを明示的に最適化しなくても、短期的戦略に比べて著しく高いユーザーユーティリティとプロバイダーの多様性を達成する。

ABSTRACT

Most recommender systems (RS) research assumes that a user's utility can be maximized independently of the utility of the other agents (e.g., other users, content providers). In realistic settings, this is often not true---the dynamics of an RS ecosystem couple the long-term utility of all agents. In this work, we explore settings in which content providers cannot remain viable unless they receive a certain level of user engagement. We formulate the recommendation problem in this setting as one of equilibrium selection in the induced dynamical system, and show that it can be solved as an optimal constrained matching problem. Our model ensures the system reaches an equilibrium with maximal social welfare supported by a sufficiently diverse set of viable providers. We demonstrate that even in a simple, stylized dynamical RS model, the standard myopic approach to recommendation---always matching a user to the best provider---performs poorly. We develop several scalable techniques to solve the matching problem, and also draw connections to various notions of user regret and fairness, arguing that these outcomes are fairer in a utilitarian sense.

研究の動機と目的

• ユーザーとコンテンツプロバイダーの間の長期的エコシステムダイナミクスを無視する推薦システム研究のギャップを埋めること。
• プロバイダーが存続するための最小エンゲージメントを必要とする動的システムとして、ユーザーユーティリティとプロバイダーバイアリティの相互作用をモデル化すること。
• 長期的ソーシャルウェルフェアを最大化するとともに、多様な存続可能なプロバイダーを保証するポリシー最適化フレームワークを開発すること。
• 包括的マッチング戦略が、ユーザーユーティリティとプロバイダー多様性の両面で短期的推薦に比べて優れていることを示すこと。

提案手法

• 社会的ウェルフェアが最大となる均衡を選択する最適な制約付きマッチング問題として推薦問題を定式化すること。
• プロバイダーの存続可能性を保証するためのバイアリティ閾値を導入し、現実のインcentivesをモデル化すること。
• 累積的なコンテンツ露出に基づくユーティリティを得るため、時間経過に伴うユーザーキューリクエストとプロバイダーマッチの離散的イベント動的システムをシミュレートすること。
• 潜在的埋め込みとアフィニティスコアを活用して、最適な制約付きマッチングポリシーを計算するスケーラブルなアルゴリズムを開発すること。
• 最適化目的関数において、平均ユーザーユーティリティと最大ユーザーレグレットのバランスを取るために割引係数を適用すること。
• 得られたポリシーとユーティリタリアニアンフェアネスの関係を明らかにし、明示的なフェアネス制約なしに、低いレグレットと高い多様性を達成していることを示すこと。

実験結果

リサーチクエスチョン

• RQ1 常に最高のアフィニティを持つプロバイダーを選択する短期的推薦ポリシーは、動的エコシステムにおいて長期的なユーザーユーティリティとプロバイダーダイバーシティにどのように影響を与えるか？
• RQ2 プロバイダーの存続可能性閾値を考慮する制約付きマッチングアプローチは、標準的な短期的ポリシーと比較して、より高い総合的ソーシャルウェルフェアを達成できるか？
• RQ3 長期的ユーザーユーティリティを最適化することは、どれほどプロバイダーダイバーシティの向上とユーザーレグレットの低減を内蔵的に改善するか？
• RQ4 目的関数における異なる割引レベルは、平均ウェルフェアと最大レグレットの間でどのようにトレードオフを生じるか？
• RQ5 提案されたポリシーの結果は、ユーティリタリアニアンフェアネスの観点から、どのように整合しているか？

主な発見

• 割引係数が1.0のとき、LP-RSポリシーは平均ユーザーユーティリティ63.62（±3.58）を達成し、34.20の存続可能なプロバイダーを維持するが、短期的ベースラインでは48.59のユーティリティとわずか11.80の存続可能なプロバイダーにとどまる。
• 割引係数が0.59のとき、LP-RSは平均ユーティリティ34.30、43.00の存続可能なプロバイダーを達成するが、短期的ポリシーは26.07のユーティリティと11.80の存続可能なプロバイダーにとどまる。
• LP-RSにおける最大レグレットは、短期的ポリシーに比べ常に低く抑えられており、γ=1.0のときピークが37.89、短期的ポリシーでは36.62にとどまる。これは、個々のユーザーユーザー保護が優れていることを示している。
• 目的関数がユーザーユーティリティのみを最適化しているにもかかわらず、制約付きマッチングアプローチにより、短期的ポリシーに比べてはるかに高い数の存続可能なプロバイダーが維持されている。
• アフィニティに基づく確率的サンプリングは、LP-RSおよび短期的ポリシーの両方よりも劣り、ランダム化だけではプロバイダーの存続可能性を維持できないことが示されている。
• ウェルフェア-レグレットトレードオフ曲線は、LP-RSが、特にリターン逓減関数を用いた場合、高い社会的ウェルフェアを維持しながら最大レグレットを比較的低く保っていることを示している。