面向内容提供者感知的推荐系统：用户与提供者效用交互的仿真研究
机器学习
2021-05-07 v1 信息检索
摘要
现有大多数推荐系统主要关注将用户与平台上最大化用户满意度的内容相匹配。然而，内容提供者通过内容创作对用户满意度具有关键影响已愈发明显，其在很大程度上决定了可供推荐的内容池。由此自然产生一个问题：我们能否设计出同时考虑用户与内容提供者长期效用的推荐器？借此，我们希望维持更多提供者及更多样的内容池，以达成长期用户满意度。理解推荐对用户与提供者群体的全面影响颇具挑战。本文旨在作为构建提供者感知推荐器并评估其在仿真设定中影响的一种研究探索。为刻画用户-推荐器-提供者相互依赖关系，我们通过形式化提供者动态来补充用户建模。由此产生的联合动力学系统引出了一个由推荐器动作与用户对提供者的反馈所驱动的弱耦合部分可观测马尔可夫决策过程。我们随后构建了一个称为 EcoAgent 的 REINFORCE 推荐智能体，以优化用户效用与所推荐内容相关提供者的反事实效用提升的联合目标；我们证明在若干温和假设下，这等价于最大化整体用户效用及平台上所有提供者的效用。为评估我们的方法，我们引入了一个捕捉用户、提供者与推荐器之间关键交互的仿真环境。我们给出若干仿真实验，揭示了该方法的优势与局限。这些结果有助于理解提供者感知推荐智能体在构建多利益相关方推荐系统中何时及如何发挥作用。
引用
@article{arxiv.2105.02377,
title = {Towards Content Provider Aware Recommender Systems: A Simulation Study on the Interplay between User and Provider Utilities},
author = {Ruohan Zhan and Konstantina Christakopoulou and Ya Le and Jayden Ooi and Martin Mladenov and Alex Beutel and Craig Boutilier and Ed H. Chi and Minmin Chen},
journal= {arXiv preprint arXiv:2105.02377},
year = {2021}
}