RecSys22読み会_MTRS

RecSys読み会の資料です。
https://arxiv.org/abs/2208.11384

Transcript

1. Industrial Talk (Poster)@RecSys22
   Yoji Tomita @miiitomi
   Riku Togashi @_riktor_
   Daisuke Moriwaki @dmoriwaki
   Matching Theory Based
   Reciprocal Recommender
   System
   

   View Slide

2. 2
   自己紹介
   2006年〜2017年　内閣府
   ● 経済対策
   ● 国会対応
   ● 経済分析
   ● 統計改革　など
   2017年〜　サイバーエージェント
   ● データサイエンティスト、リサーチャー
   ● 経済学社会実装チームリーダー（2021~）
   専門分野
   ● 経済学（計量経済学・マクロ経済学）
   ● 行動経済学・メカニズムデザイン
   ● 機械学習
   

   View Slide

3. 3
   成長する両面市場
   配車アプリ
   民泊アプリ
   中古品・クラ
   フト売買アプ
   リ
   クラウドソー
   シング・求人
   求職アプリ
   

   View Slide

4. 4
   ● User-to-User (cf. item-to-user)
   ● コンバージョンに双方向の同意が必要
   ○ 拒否が続く=>UX ↓↓
   ○ 興味のない相手からの大量のオファー => UX↓↓
   相互推薦システム
   

   View Slide

5. 5
   ● Aggregation function（集計関数）
   ○ 足し算
   ○ 掛け算
   ○ 属性による類似度（Xia et al. 2015, Pizzato et al. 2010） etc.
   従来手法
   

   View Slide

6. 6
   ● メカニズムデザイン
   ○ 市場のプレイヤー行動の分析
   ○ インセンティブを考慮したルールや制度の検討
   ● マッチング理論
   ○ プレイヤーの希望を踏まえて「いい感じの結果」を得る
   方法を模索する
   両面市場のメカニズムデザイン的側面
   

   View Slide

7. 7
   ● 従来の相互推薦の問題点
   ○ 双方向の興味スコアに着目
   ○ 一部の人気者が多く推薦される（スーパースター）
   ○ 大量の候補者のスクリーニング（混雑）
   ○ 効率性
   ○ キャパシティの上限問題
   マッチング理論ベースの相互推薦？？
   

   View Slide

8. 8
   ● マッチング理論を相互推薦に適用する際の問題点
   ○ 「すべての」潜在的な候補の評価は不可能
   ○ スクリーニングコストを削減してくれるのが推薦システム
   ● 評価は機械学習に任せて推定された選好をもとにマッチングを考える
   マッチング理論ベースの相互推薦？？
   

   View Slide

9. 9
   ● マッチングする際に片側から片側の人へ金銭などが補償される
   ○ 嫁入り道具、持参金
   ● Becker (1973), Choo and Siou (2006)は現実の結婚市場を TU-Matchingモデルで分析
   ● Chen et al. (2021)
   ○ 台湾のデーティングアプリにおける推薦アルゴリズムに応用
   ○ 移転τつきの効用
   ○ 移転τをプラットフォームが決めた時の均衡マッチ
   ■ 均衡マッチでは特定のユーザーへの集中を回避
   ○ A/Bテストの結果、TU-matchingベースのアルゴリズムによって実際に集中度を緩和
   移転効用付きマッチング
   

   View Slide

10. 10
    ● 選好推定
    ○ 回帰モデルによる選好推定
    ■ 同点が発生するおそれ
    ○ 協調フィルタリング
    ■ 現実的な設定では実験できていない
    ● 推薦リストの長さ
    ● 計算量
    ○ すべての男性ユーザー x 女性ユーザーの双方向の興味スコアに基づいて計算
    ● 評価
    ○ 候補プールを削減することの問題点
    残された課題
    

    View Slide

11. 11
    ● 異性の推薦（おすすめ）
    ○ いいかも => 相手に表示
    ○ ありがとう => マッチ
    ● 協調フィルタリングベースの推薦シス
    テム
    ● 集計関数
    （参考）マッチングアプリにおける出会いを
    分析する【CADC2022】
    「タップル」におけるプロジェクト
    

    View Slide

12. 12
    ● タップルにおいてもスーパースターの問題意識
    ● Chen et al. (2021)を踏まえた実装
    ● 協調フィルタリング + TU-Matchingの計算量問題
    ○ サンプリングなどにより計算量削減
    ○ ビジネス上問題ない実装
    ● A/Bテスト
    ○ 候補者プール
    ○ SUTVA問題
    ● まだまだ解決すべき問題が山積
    TU-Matchingの応用
    

    View Slide

13. 13
    お知らせ
    

    View Slide

14. 14
    絶賛募集中！
    ● 研究組織AILab
    ○ リサーチサイエンティスト | サイバーエージェントグループ
    ○ リサーチエンジニア（経済学） | サイバーエージェントグループ
    ● プロダクト
    ○ 【メディア事業部】ソフトウェアエンジニア（機械学習） / Media Data Tech Studio | サイバー
    エージェントグループ
    

    View Slide

15. 15
    RecSys22参加報告ブログ
    ● 論文紹介やワークショップ、雰囲気など
    https://developers.cyberagent.co.jp/blog/archives/38014/
    

    View Slide

16. 16
    Reference
    ● Tomita, Y., Togashi, R., & Moriwaki, D. (2022). Matching Theory-based Recommender Systems in Online
    Dating. Sixteenth ACM Conference on Recommender Systems, 538–541.
    https://doi.org/10.1145/3523227.3547406
    ● Xia, P., Liu, B., Sun, Y., & Chen, C. (2015). Reciprocal Recommendation System for Online Dating (arXiv:1501.06247).
    arXiv. http://arxiv.org/abs/1501.06247
    ● Luiz Pizzato, Tomek Rej, Thomas Chung, Irena Koprinska, and Judy Kay. RECON: a reciprocal recommender
    for online dating. In ACM conference on Recommender systems, RecSys ’10, New York, NY, USA, September
    2010. Association for Computing Machinery.
    ● Choo, E., & Siow, A. (2006). Who Marries Whom and Why. Journal of Political Economy, 114(1), 175–201.
    https://doi.org/10.1086/498585
    ● Becker, G. S. (1973). A Theory of Marriage: Part I. Journal of Political Economy, 81(4), 813–846.
    ● Chen, K.-M., Hsieh, Y.-W., & Lin, M.-J. (2021). Reducing Recommendation Inequality via Two-Sided Matching: A Field
    Experiment of Online Dating (SSRN Scholarly Paper No. 3718920). Social Science Research Network.
    https://doi.org/10.2139/ssrn.3718920
    

    View Slide

17. 17
    Thank You!
    

    View Slide