La Raccomandazione · Il piatto giusto per te
Raccomandazione Multi-Stakeholder e Fairness Multi-Laterale — Abdollahpouri & Burke 2019
Quando ordiniamo da mangiare tramite un'app, almeno tre categorie di persone devono essere soddisfatte: noi vogliamo qualcosa di buono e veloce; il ristorante vuole essere visto da abbastanza clienti; il corriere vuole un ordine equo per il suo tempo e il suo percorso. Gli algoritmi di raccomandazione standard hanno pensato quasi esclusivamente a noi.
Questo breve articolo dà un nome e una struttura al quadro completo: propone che qualsiasi piattaforma di raccomandazione con più tipi di partecipanti appartenga a una di tre famiglie architetturali, e che l'equità significhi qualcosa di diverso per ciascuna. La terza categoria — quella dei soggetti influenzati senza essere né destinatari né fornitori — viene chiamata per la prima volta S-fairness, e il fattorino ne è il simbolo.
Cosa dice, in breve
- I sistemi di raccomandazione sono ambienti multi-stakeholder per natura, ma la ricerca si è concentrata quasi esclusivamente sulla soddisfazione dell'utente finale; questo articolo propone la prima tassonomia architettonica unificata per correggere tale lacuna.
- Vengono definite tre classi architetturali primarie: (a) raccomandazione multi-destinatario (output diretto a un gruppo, con sotto-tipi omogeneo ed eterogeneo); (b) raccomandazione multi-fornitore (gli elementi sono forniti da più terze parti, con o senza preferenze di targeting da parte dei fornitori); (c) raccomandazione con stakeholder laterali (parti interessate dagli output ma che non sono né destinatari né fornitori, es. fattorini di Uber Eats).
- I sotto-campi consolidati vengono inquadrati come istanze della tassonomia: la raccomandazione di gruppo = multi-destinatario omogeneo; la raccomandazione reciproca = abbinamento bidirezionale multi-fornitore.
- La raccomandazione value-aware (massimizzazione del profitto della piattaforma, promozione della coda lunga) è identificata come la forma canonica della classe stakeholder laterale.
- I sistemi ibridi — Uber Eats combina multi-fornitore (ristoranti), stakeholder laterale (fattorini) e potenzialmente value-aware — sono trattati consentendo qualsiasi combinazione delle tre classi.
- La tassonomia si mappa su tre tipi di equità: C-fairness (lato consumatore), P-fairness (lato fornitore) e la nuova S-fairness (trattamento equo degli stakeholder laterali come i corrieri).
- Le piattaforme di consegna cibo (Uber Eats) e di economia della condivisione (Airbnb, Kiva) sono i casi illustrativi principali del paper.
Provenienza
- Fonte
- Multi-stakeholder Recommendation and its Connection to Multi-sided Fairness— Abdollahpouri & Burke 2019
- Licenza
- unknown
- Nel Kosmos
- 2 voci · 70 fatti atomici · tier MAIOR
↯ Questa è una voce vera del nostro Knowledge Graph, ancorata alla sua fonte — non un testo generato da un modello. Il colore riflette il tipo reale di studio, mai gonfiato.