T-RECS：用于研究推荐系统社会影响的仿真工具
计算机与社会
2021-07-29 v2 人工智能
多智能体系统
摘要
仿真已成为研究推荐系统长期社会后果的一种流行方法。该方法允许研究者明确指定其理论模型并观察系统层面结果随时间的演化。然而，开展基于仿真的研通常要求研究者从零构建自己的仿真环境，这造成了较高的入门门槛，引入了实现错误的空间，并使得难以分辨观测结果是源于模型还是实现。我们介绍 T-RECS，一个开源 Python 包，专为研究者设计，用于仿真推荐系统及其他类型的社会技术系统，其中算法中介多个利益相关者（如用户与内容创作者）之间的交互。为展示 T-RECS 的灵活性，我们对先前两项基于仿真的社会技术系统研究进行了复现。我们还展示了 T-RECS 如何以最小开销生成新颖见解。我们的工具促进了该研究领域内的可复现性，为仿真社会技术系统提供了统一语言，并消除了从零实现仿真的摩擦。
引用
@article{arxiv.2107.08959,
title = {T-RECS: A Simulation Tool to Study the Societal Impact of Recommender Systems},
author = {Eli Lucherini and Matthew Sun and Amy Winecoff and Arvind Narayanan},
journal= {arXiv preprint arXiv:2107.08959},
year = {2021}
}
备注
17 pages, 5 figures; updated Figure 2(b) after fixing small bug in replication code (see Github for more details)