[论文解读] Supply-Side Equilibria in Recommender Systems

Meena Jagadeesan, Nikhil Garg+1 more|arXiv (Cornell University)|Jun 27, 2022

Consumer Market Behavior and Pricing被引用 6

一句话总结

本文提出了一种个性化推荐系统中供给侧均衡的博弈论模型，其中生产者战略性地创建多维内容以最大化用户推荐数量减去生产成本。研究发现，当用户异质性较高且多维内容生产成本较低时，专业化（即生产者针对不同的用户群体）会自然出现，从而带来正向利润并降低市场竞争力。

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.

研究动机与目标

• 理解算法推荐如何塑造数字内容市场中生产者的激励机制。
• 建模内容生产者在个性化推荐系统中为获取可见性而展开的战略行为。
• 探究在何种条件下多维内容生产中会出现专业化现象。
• 分析生产者成本结构与用户偏好异质性对市场结果的影响。
• 确定专业化是否导致正向利润并降低市场竞争力。

提出的方法

• 将用户和内容表示为 R≥0^D 中的 D 维向量，用户价值定义为内积 ⟨u, p⟩。
• 将推荐算法表示为：对每个用户，选择内积最大的内容进行推荐。
• 将生产者效用定义为被推荐给其内容的用户数量减去成本 c(p) = ||p||^β。
• 利用对偶性论证推导出专业化在均衡中成立的必要与充分条件。
• 分析在两个用户群体设置下，不同成本指数 β 时的均衡内容分布。
• 采用几何与凸分析方法，刻画均衡状态下内容向量的支集与累积分布函数。

实验结果

研究问题

• RQ1 在个性化推荐算法下，多维内容生产中专业化在何种条件下发生？
• RQ2 成本结构（特别是 ||p||^β 中的 β）如何影响专业化与市场竞争力的出现？
• RQ3 生产者是否能在均衡状态下实现正向利润？若能，其条件是什么？
• RQ4 用户偏好异质性如何影响均衡状态下内容类型的分布？
• RQ5 内容空间的维度在塑造供给侧均衡中起到何种作用？

主要发现

• 当用户足够异质且生产者能以较低成本在多个维度上实现高性能时，专业化会出现，该现象通过对偶性条件得以形式化。
• 随着 β 增大，出现相变：当 β 较小时，出现单一类型均衡；当 β 较大时，出现无穷多种类型，表明专业化发生。
• 当 Q < (1/N)^(P/β) 时，生产者可在均衡中实现正向利润，其中 Q 表示用户群体间最小用户价值，N 为用户数量。
• 均衡状态下内容向量的分布表现出纯粹垂直或纯粹水平差异化，且在多类型均衡中，||p|| 的累积分布函数为阶梯函数。
• 均衡分布 μ 的支集包含 p = 0，其对应零利润，证实当所有行动提供相等效用时，零利润与均衡一致。
• 专业化降低了市场竞争力，因为它使生产者即使在对称设定下也能获取正向利润，从而挑战了标准模型中零利润竞争的假设。