[论文解读] Interpolating Item and User Fairness in Multi-Sided Recommendations

Qinyi Chen, Jason Cheuk Nam Liang+2 more|arXiv (Cornell University)|Jun 12, 2023

Advanced Bandit Algorithms Research被引用 4

一句话总结

本文提出了一种新颖的公平推荐框架 Problem (fair)，在多边平台中平衡平台收益与对商品及用户的公平性。它引入了 FORM，一种低遗憾在线算法，通过动态插值商品和用户公平性约束，同时学习用户偏好并维持公平性，在动态环境中实现低收益和低公平性遗憾。

ABSTRACT

Today's online platforms heavily lean on algorithmic recommendations for bolstering user engagement and driving revenue. However, these recommendations can impact multiple stakeholders simultaneously -- the platform, items (sellers), and users (customers) -- each with their unique objectives, making it difficult to find the right middle ground that accommodates all stakeholders. To address this, we introduce a novel fair recommendation framework, Problem (FAIR), that flexibly balances multi-stakeholder interests via a constrained optimization formulation. We next explore Problem (FAIR) in a dynamic online setting where data uncertainty further adds complexity, and propose a low-regret algorithm FORM that concurrently performs real-time learning and fair recommendations, two tasks that are often at odds. Via both theoretical analysis and a numerical case study on real-world data, we demonstrate the efficacy of our framework and method in maintaining platform revenue while ensuring desired levels of fairness for both items and users.

研究动机与目标

• 解决在算法推荐系统中平衡平台、商品和用户等多方利益相关者公平性的挑战。
• 开发一个灵活的框架，使平台能够为商品和用户定义公平性度量，并设定其愿意支付的“公平性代价”。
• 设计一种在线学习算法，实现实时学习用户行为并同时维持公平性约束。
• 确保算法在时间推移内实现低遗憾，即使在部分和延迟反馈的情况下，也能在收益和公平性方面表现良好。
• 通过真实世界数据的案例研究验证该框架的有效性，证明其实际适用性。

提出的方法

• 提出 Problem (fair)，一种多目标优化框架，通过可定制的公平性定义，最大化平台收益的同时强制执行商品和用户的公平性约束。
• 引入一种动态在线设置，平台在无先验知识的情况下实时学习购买概率和到达率。
• 定义两种性能度量：收益遗憾（与最优收益的差异）和公平性遗憾（与公平性目标的偏离），用于评估算法性能。
• 设计 FORM，一种低遗憾在线推荐算法，通过自适应置信区间和公平性感知更新，平衡探索（学习）与利用（公平推荐）。
• 采用对偶优化方法：一个用于估计用户购买概率，另一个用于通过商品和用户结果函数维持公平性。
• 使用基于置信区间的探索策略，确保所有商品-用户对得到充分采样，防止因探索不足导致的估计偏差。

实验结果

研究问题

• RQ1 在多边市场中，推荐系统如何公平地平衡平台、商品和用户的利益？
• RQ2 在商品和用户的目标可能冲突的情况下，如何有效定义并同时强制执行两者公平性？
• RQ3 平台如何在实时环境中学习用户偏好并维持公平性，特别是在探索与利用存在张力时？
• RQ4 在部分和延迟反馈条件下，在线算法能否在收益和公平性方面均实现低遗憾？
• RQ5 该框架在真实世界推荐数据上的实际表现如何？

主要发现

• FORM 实现了低收益遗憾，意味着其收益接近在完全掌握用户偏好情况下的最优收益。
• FORM 维持了低公平性遗憾，确保商品和用户在时间平均上与公平性目标的偏离最小化。
• 该框架成功在商品公平性和用户公平性之间进行插值，使平台能够为每个利益相关方自定义设定“公平性代价”。
• 该算法通过使用置信区间指导探索，有效管理了探索与利用之间的权衡，同时保持公平性约束。
• 真实世界数据的案例研究表明，该框架在不显著牺牲平台收益的前提下，提升了商品和用户的公平性。
• 理论分析证实，FORM 对不确定性具有鲁棒性，并能长期维持公平性和收益表现。