[论文解读] Understanding Fashion Cycles as a Social Choice

Anish Das Sarma, Sreenivas Gollapudi+2 more|arXiv (Cornell University)|Sep 14, 2010

Art History and Market Analysis参考文献 9被引用 15

一句话总结

本文通过整合内在效用、个体厌倦情绪（使用后呈指数衰减）和社会影响作为加权偏好，提出了一种时尚周期的正式模型。研究发现，贪婪选择策略在任意情况下都可能表现次优，但将修改后贪婪算法中的厌倦程度加倍，可获得可证明的近似最优解，并在真实世界的歌曲和电影查询数据上得到验证，相比基线方法实现了显著的效用提升。

ABSTRACT

We present a formal model for studying fashion trends, in terms of three parameters of fashionable items: (1) their innate utility; (2) individual boredom associated with repeated usage of an item; and (3) social influences associated with the preferences from other people. While there are several works that emphasize the effect of social influence in understanding fashion trends, in this paper we show how boredom plays a strong role in both individual and social choices. We show how boredom can be used to explain the cyclic choices in several scenarios such as an individual who has to pick a restaurant to visit every day, or a society that has to repeatedly `vote' on a single fashion style from a collection. We formally show that a society that votes for a single fashion style can be viewed as a single individual cycling through different choices. In our model, the utility of an item gets discounted by the amount of boredom that has accumulated over the past; this boredom increases with every use of the item and decays exponentially when not used. We address the problem of optimally choosing items for usage, so as to maximize over-all satisfaction, i.e., composite utility, over a period of time. First we show that the simple greedy heuristic of always choosing the item with the maximum current composite utility can be arbitrarily worse than the optimal. Second, we prove that even with just a single individual, determining the optimal strategy for choosing items is NP-hard. Third, we show that a simple modification to the greedy algorithm that simply doubles the boredom of each item is a provably close approximation to the optimal strategy. Finally, we present an experimental study over real-world data collected from query logs to compare our algorithms.

研究动机与目标

• 将时尚趋势形式化为受内在效用、个体厌倦情绪与社会影响影响的社会选择问题。
• 将厌倦情绪建模为过去使用次数的指数衰减函数，以捕捉重复消费带来的心理疲劳。
• 研究在该模型下，尤其在厌倦情绪与社会影响并存时，最大化长期效用的计算复杂性。
• 设计并评估实用启发式方法——特别是修改后的贪婪算法——以随时间近似最优的物品选择。
• 利用来自 Google 趋势的歌曲和电影真实查询日志，对模型与算法进行验证。

提出的方法

• 将每件物品的效用建模为内在效用、因重复使用而累积的厌倦惩罚（未使用时呈指数衰减）以及通过加权影响图获得的社会影响之和。
• 将时间 t 时的综合效用定义为内在效用减去厌倦因子（过去使用次数的折现总和），再加上同伴的社会影响。
• 证明即使对单一个体而言，最大化长期效用的最优策略也是 NP-难问题。
• 提出一种修改后的贪婪算法，对每件物品的厌倦惩罚加倍，证明其可获得对最优策略的可证明良好近似。
• 利用歌曲和电影的 Google 趋势真实数据，通过峰值流行度与衰减模式估计模型参数（v, α, r）。
• 通过 100,000 个时间步长的模拟评估性能，比较贪婪算法、双倍贪婪算法与基线（固定选择）策略在效用与选择频率方面的表现。

实验结果

研究问题

• RQ1 能否通过结合内在效用、个体厌倦情绪与社会影响的正式模型来解释时尚周期？
• RQ2 厌倦情绪（随重复使用而累积，随时间衰减）如何随时间影响最优物品选择？
• RQ3 标准贪婪启发式方法（始终选择当前综合效用最高的物品）是否最优？还是可能表现任意差？
• RQ4 对贪婪算法进行简单修改（如将厌倦惩罚加倍）是否能在实践中实现近似最优性能？
• RQ5 从真实查询日志（如歌曲与电影流行度）中估计的模型参数在多大程度上能反映实际用户行为与效用模式？

主要发现

• 简单的贪婪算法（始终选择当前综合效用最高的物品）可能远差于最优策略，揭示了其根本性局限。
• 即使对单一个体而言，在该模型下确定最优物品选择序列也是 NP-难问题，凸显了该问题的计算不可解性。
• 一种将每件物品的厌倦惩罚加倍的修改贪婪算法，可实现对最优策略的可证明良好近似，提供了一种实用且高效的解决方案。
• 在 Google 趋势的真实数据上，双倍贪婪算法在 100,000 个时间步长内，歌曲的平均效用达到 13.53，电影达到 17.30，显著优于基线方法（分别为 5.62 和 4.25）。
• 模型中的指数衰减厌倦函数与真实用户行为高度吻合，通过歌曲与电影预测与观测到的流行度模式的一致性得到验证。
• 双倍贪婪策略不仅提升了平均效用，还实现了更均衡的选择频率，避免了基线方法中对单一高价值物品的过度使用。