論文の概要: When the Umpire is also a Player: Bias in Private Label Product
Recommendations on E-commerce Marketplaces
- arxiv url: http://arxiv.org/abs/2102.00141v2
- Date: Tue, 2 Feb 2021 04:24:33 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-13 06:57:41.327814
- Title: When the Umpire is also a Player: Bias in Private Label Product
Recommendations on E-commerce Marketplaces
- Title(参考訳): 審判もプレーヤーである場合:eコマースマーケットプレースにおけるプライベートラベル製品推奨のバイアス
- Authors: Abhisek Dash, Abhijnan Chakraborty, Saptarshi Ghosh, Animesh
Mukherjee, Krishna P. Gummadi
- Abstract要約: 関連項目の推薦をAmazon上でエンドツーエンドで体系的に監査する。
提案するネットワーク中心のフレームワークは,有機的およびスポンサーによる推奨項目間のバイアスを定量化し,比較する。
- 参考スコア(独自算出の注目度): 18.692849436504222
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Algorithmic recommendations mediate interactions between millions of
customers and products (in turn, their producers and sellers) on large
e-commerce marketplaces like Amazon. In recent years, the producers and sellers
have raised concerns about the fairness of black-box recommendation algorithms
deployed on these marketplaces. Many complaints are centered around
marketplaces biasing the algorithms to preferentially favor their own `private
label' products over competitors. These concerns are exacerbated as
marketplaces increasingly de-emphasize or replace `organic' recommendations
with ad-driven `sponsored' recommendations, which include their own private
labels. While these concerns have been covered in popular press and have
spawned regulatory investigations, to our knowledge, there has not been any
public audit of these marketplace algorithms. In this study, we bridge this gap
by performing an end-to-end systematic audit of related item recommendations on
Amazon. We propose a network-centric framework to quantify and compare the
biases across organic and sponsored related item recommendations. Along a
number of our proposed bias measures, we find that the sponsored
recommendations are significantly more biased toward Amazon private label
products compared to organic recommendations. While our findings are primarily
interesting to producers and sellers on Amazon, our proposed bias measures are
generally useful for measuring link formation bias in any social or content
networks.
- Abstract(参考訳): アルゴリズムリコメンデーションは、amazonのような大手eコマースマーケットプレースで何百万もの顧客と製品(その生産者と販売者)のやりとりを仲介する。
近年、生産者と販売業者は、これらの市場に展開されるブラックボックスレコメンデーションアルゴリズムの公平性を懸念している。
多くの苦情は、アルゴリズムが競合製品よりも独自の「プライベートラベル」製品を優先的に好むように偏っている市場に集中している。
これらの懸念は、マーケットプレースが'organic'レコメンデーションを広告主導の'sponsored'レコメンデーション(独自のプライベートレーベルを含む)に強調または置き換えるにつれて悪化している。
これらの懸念は広く報道され、規制当局による調査が生まれてきたが、われわれの知る限り、これらのマーケットプレースアルゴリズムの公開監査は行われていない。
本研究では,アマゾンの商品推薦に関するエンドツーエンドの体系的な監査を行うことにより,このギャップを埋める。
提案するネットワーク中心のフレームワークは,有機的およびスポンサーによる推奨項目間のバイアスを定量化し,比較する。
提案されている多くのバイアス対策に従って、スポンサードレコメンデーションは、オーガニックレコメンデーションよりもamazon private label製品にかなり偏っていることが分かりました。
私たちの発見は、主にAmazonのプロデューサや売り手にとって興味深いものですが、提案されたバイアス測定は一般的に、ソーシャルやコンテンツネットワークにおけるリンク形成バイアスを測定するのに役立ちます。
関連論文リスト
- A First Look at Selection Bias in Preference Elicitation for Recommendation [64.44255178199846]
選好選好における選好バイアスの影響について検討した。
大きなハードルは、好みの推論インタラクションを持つ公開データセットがないことです。
本稿では,トピックに基づく選好提案プロセスのシミュレーションを提案する。
論文 参考訳(メタデータ) (2024-05-01T14:56:56Z) - Managing multi-facet bias in collaborative filtering recommender systems [0.0]
アイテムグループ間のバイアスドレコメンデーションは、システムに対するユーザの不満を引き起こすとともに、アイテムプロバイダの利益を脅かす可能性がある。
本研究の目的は,最先端の協調フィルタリング推薦アルゴリズムの出力における地理的起源と人気に関する新たなタイプの交叉バイアスを管理することである。
2つの実世界の映画と書籍のデータセットに関する大規模な実験は、アイテムの生産大陸に富んだものであり、提案アルゴリズムが精度と上記のバイアスの両タイプの間に合理的なバランスをとっていることを示している。
論文 参考訳(メタデータ) (2023-02-21T10:06:01Z) - Incentive-Aware Recommender Systems in Two-Sided Markets [49.692453629365204]
最適性能を達成しつつエージェントのインセンティブと整合する新しいレコメンデータシステムを提案する。
我々のフレームワークは、このインセンティブを意識したシステムを、両側市場におけるマルチエージェントバンディット問題としてモデル化する。
どちらのアルゴリズムも、エージェントが過剰な露出から保護する、ポストフェアネス基準を満たす。
論文 参考訳(メタデータ) (2022-11-23T22:20:12Z) - Competition, Alignment, and Equilibria in Digital Marketplaces [97.03797129675951]
プラットフォームアクションがバンディットアルゴリズムであり,両プラットフォームがユーザ参加を競うデュオポリー市場について検討する。
私たちの主な発見は、この市場における競争は、市場の結果をユーザーユーティリティと完全に一致させるものではないということです。
論文 参考訳(メタデータ) (2022-08-30T17:43:58Z) - Incentivizing Combinatorial Bandit Exploration [87.08827496301839]
自己関心のあるユーザに対してレコメンデーションシステムでアクションを推奨するバンディットアルゴリズムを考える。
ユーザーは他のアクションを自由に選択でき、アルゴリズムの推奨に従うためにインセンティブを得る必要がある。
ユーザは悪用を好むが、アルゴリズムは、前のユーザから収集した情報を活用することで、探索にインセンティブを与えることができる。
論文 参考訳(メタデータ) (2022-06-01T13:46:25Z) - Reconciling the Quality vs Popularity Dichotomy in Online Cultural
Markets [62.146882023375746]
本研究では,現在普及している商品に偏りがある可能性のあるランキングアルゴリズムにより,品質基準を隠蔽した$N$アイテムをユーザに推奨する,理想化されたオンライン文化市場のモデルを提案する。
我々のゴールは、人気バイアスが高品質アイテムが低品質アイテムよりも人気になるのを防ぎ、品質と人気ランキングの間に望ましくないミスアライメントをもたらすという、よく知られた事実の根底にあるメカニズムをよりよく理解することである。
論文 参考訳(メタデータ) (2022-04-28T14:36:11Z) - YouTube, The Great Radicalizer? Auditing and Mitigating Ideological
Biases in YouTube Recommendations [20.145485714154933]
われわれはYouTubeのレコメンデーションシステムの体系的な監査を行う。
YouTubeのレコメンデーションは、特に右利きのユーザーにとって、イデオロギー的に偏り、過激なコンテンツに直結している。
我々の介入は、観察された偏見を効果的に緩和し、イデオロギー的に中立で、多様性があり、異種コンテンツをより推奨する。
論文 参考訳(メタデータ) (2022-03-20T22:45:56Z) - The Unfairness of Active Users and Popularity Bias in Point-of-Interest
Recommendation [4.578469978594752]
本稿では, (i) アクティブユーザの不公平さ, (ii) 人気項目の不公平さ, (iii) 調査三角形の3つの角度として推薦の精度について検討する。
アイテムフェアネスでは、アイテムをショートヘッド、ミッドテール、ロングテールグループに分割し、これらのアイテムグループの露出をユーザのトップkレコメンデーションリストにまとめる。
本研究は, 消費者と生産者の公正性を両立させることができず, 自然バイアスが原因と考えられる変数間のトレードオフが示唆されている。
論文 参考訳(メタデータ) (2022-02-27T08:02:19Z) - Incentives for Item Duplication under Fair Ranking Policies [69.14168955766847]
重複が存在する場合の様々な公正ランキングポリシーの振る舞いについて検討する。
適合性にのみ焦点を絞った政策よりも、重複を動機付ける可能性を秘めているため、公正を意識したランキングポリシーは多様性と矛盾する可能性がある。
論文 参考訳(メタデータ) (2021-10-29T11:11:15Z) - An Adaptive Boosting Technique to Mitigate Popularity Bias in
Recommender System [1.5800354337004194]
一般的な精度尺度は人気項目に偏りがあり、非人気項目と比較して人気項目の精度が向上する。
本稿では,人気項目と非人気項目の誤りの差として,人気バイアスを測定する指標について考察する。
そこで本研究では,データ中の人気バイアスを低減させるアルゴリズムを提案する。
論文 参考訳(メタデータ) (2021-09-13T03:04:55Z) - Auditing E-Commerce Platforms for Algorithmically Curated Vaccine
Misinformation [10.66048003460524]
アマゾンの検索・レコメンデーションアルゴリズムにおいて,ワクチン誤情報に対する2セットのアルゴリズム監査を行う。
検索結果の10.47%が不正な健康製品を促進している。
Amazonのレコメンデーションでフィルタバブル効果の証拠を見つけました。
論文 参考訳(メタデータ) (2021-01-21T03:16:29Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。