网络友好推荐中的公平性
网络与互联网体系结构
2021-07-23 v1 多媒体
摘要
随着移动流量由内容服务（如视频）主导，这类服务通常使用推荐系统，网络友好推荐（NFR）范式近期被提出，通过推广可高效分发（如边缘缓存）的内容来提升网络性能。NFR提升了网络性能，但相较于标准推荐，代价是对某些内容不公平。这种不公平是NFR的副作用，文献中尚未研究。然而，保持内容间的公平是内容提供商的关键运营要求。本文首次研究NFR中的公平性，并设计fair-NFR。具体而言，我们使用一组捕捉不同公平性概念的指标，研究现有NFR方案造成的不公平性。分析表明NFR可能显著不公平。我们识别出NFR带来的网络增益与所导致不公平之间的固有权衡，并推导了该权衡的边界。我们发现现有NFR方案经常远离边界运行，即存在改进空间。为此，我们将Fair-NFR（即相较于基线推荐具有公平性保证的NFR）的设计表述为线性优化问题。结果表明，Fair-NFR能以极小的公平性损失实现高网络增益（类似于非公平NFR）。
引用
@article{arxiv.2104.00959,
title = {Fairness in Network-Friendly Recommendations},
author = {Theodoros Giannakas and Pavlos Sermpezis and Anastasios Giovanidis and Thrasyvoulos Spyropoulos and George Arvanitakis},
journal= {arXiv preprint arXiv:2104.00959},
year = {2021}
}
备注
IEEE International Symposium on a World of Wireless, Mobile and Multimedia Networks (WoWMoM), 2021