![はじめに：インターネットサービスの解析例
l 推薦システム
? [EC 2016] Moansour, Y. Slivkins, A. Syrgkanis, V. & Wu, Z. S.
“Bayesian Exploration: Incentivizing Exploration in Bayesian Games”
? [WWW 2019] Immorlica, N. Mao, J. Slivkins, A. Wu, Z. S.
“Bayesian Exploration with Heterogeneous Agents”
? 情報提供者 = 推薦システム、意思決定者 = ユーザ、シグナル = ?動履歴
l インターネット広告：広告（出稿位置やデザインなど）
? [JPE 2010] Ryao, L. & Segel, I. “Optimal Information Disclosure”
? 情報提供者 = 広告プラットフォーム、意思決定者 = ユーザ、シグナル = 広
告?デザインなど
8](https://image.slidesharecdn.com/wwwkazumi-190905113635/85/Web-8-320.jpg)
Webと経済学 數見拓朗
- 2. ??紹介 l 數? 拓朗（かずみたくろう） ? 技術本部 秋葉原ラボ ? 経済学（博?） → 現職 l おしごと ? ?然?語処理技術を利?したプロダクトの開発 l しゅみ ? スマブラSP ? サッカー ? 漫画?アニメ 2
- 3. 取り上げる論?と問題意識 l ゲーム理論の視点から?た推薦システム ? Immorlica, N. Mao, J. Slivkins, A. Wu Z. S. 2018 Bayesian Exploration with Heterogeneous Agents l 本発表では、状況設定や問題意識の注?して、推薦システムを ゲーム理論を通じてどのように解釈しているかを明らかにします 3
- 4. はじめに 4
- 6. はじめに：経済主体の意思決定への介? 6 情報提供者 1. 必ず役?つ 2. おそらく役?つ 3. 役に?たない シグナルの選択 l 情報提供者のメッセージ = シグナル 意思決定者 ③?動の選択 タイプ 情報提供者の期待利得を最?するシグナル = 最適シグナル 推定 メカニズムデザインと意思決定のフロンティア：第４章「最適シグナル」より
- 7. はじめに：最適シグナルの分析例 l ユーザのタイプは最適シグナルにどのような影響を与えるか？ ? ユーザのタイプが公開されているケース ? ユーザのタイプがゲームが進?するにつれて公開されるケース ? ユーザのタイプが秘匿されているケース l 意思決定者にある?動をとらせたい場合、どのような情報提供が 必要か？ ? 情報提供者による推奨?動以外をとるインセンティブが、意思決定にない ことを前提とする 7
- 8. はじめに：インターネットサービスの解析例 l 推薦システム ? [EC 2016] Moansour, Y. Slivkins, A. Syrgkanis, V. & Wu, Z. S. “Bayesian Exploration: Incentivizing Exploration in Bayesian Games” ? [WWW 2019] Immorlica, N. Mao, J. Slivkins, A. Wu, Z. S. “Bayesian Exploration with Heterogeneous Agents” ? 情報提供者 = 推薦システム、意思決定者 = ユーザ、シグナル = ?動履歴 l インターネット広告：広告（出稿位置やデザインなど） ? [JPE 2010] Ryao, L. & Segel, I. “Optimal Information Disclosure” ? 情報提供者 = 広告プラットフォーム、意思決定者 = ユーザ、シグナル = 広 告?デザインなど 8
- 9. 具体例 9
- 10. 推薦ゲーム：設定 l 状態?タイプを考慮しながら、ユーザに?動を推奨する 10 1. 起こりうる状態の集合 : Ω = ?$, ?& 2. 選択可能な?動の集合 : ? = ?$, ?& 3. ユーザのタイプの集合 : Θ = ?$, ?& 4. ユーザの利得関数 : ?(?-, ?., ?/) 5. 状態の事前予想の確率分布 : ?? ∈ ? Ω 6. タイプの事前予想の確率分布 : ?? ∈ ? Θ 以下のケースでは、 ?? ?$ = & 7 , ?? ?$ = & 7 と考える．
- 11. 推薦ゲーム：設定 11 主体 ?動 1 意思決定者 タイプ ?$, ?& を持つユーザが推薦ゲームに参加 2 情報提供者 ??の期待利得を最?にするような推奨?動を意思決定者に提? 3 意思決定者 メッセージを受け取り、利得が最?になる?動?を選択 4 情報提供者 意思決定者の選択した?動と利得を観察 主体 ?動 1 情報提供者 R1のシグナルより、状態と意思決定者のタイプについての信念を更新 2 情報提供者 ??の期待利得を最?にするような推奨?動を意思決定者に提? 3 意思決定者 メッセージを受け取り、利得が最?になる?動?を選択 4 情報提供者 意思決定者の選択した?動と利得を観察 Round 1 Round 2
- 12. 推薦ゲーム：Round 1 l 具体的に、利得は以下のように設定 l Round 1 12 ?$ ?& ?$ 3 4 ?& 2 0 ?$ ?& ?$ 2 0 ?& 3 4 ?$のとき ?&のとき ?$を推奨したときの期待利得 : ?? ?$ 3 ?? ?$ + 2 ?? ?& + 1 ? ?? ?$ 2 ?? ?$ + 3 ?? ?& ① ?&を推奨したときの期待利得 : ?? ?$ 4 ?? ?$ + 0 ?? ?& + 1 ? ?? ?$ 0 ?? ?$ + 4 ?? ?& ② ∴ ?? ?$ = & 7 , ?? ?$ = & 7 より，①>②．推薦システムの最適シグナルは?動?$ ? ?が実現すると考えている確率 ? ?が実現すると考えている確率 ? ?が実現したときのユーザの期待利得 ? ?が実現したときのユーザの期待利得
- 13. 推薦ゲーム：Round 2 l タイプの秘匿は最適シグナルにどのような影響を与える？ l ユーザのタイプが明かされているとき： ? ユーザのRound 1における報酬とタイプから、推薦システムは?$と?&のど ちらの状態が実現したかを知る ? ユーザのタイプに応じて最も報酬の?い ?$, ?& もしくは ?&, ?& を推奨で きる l ユーザのタイプが明かされないとき： ? 推薦システムの状態についての情報が更新されずに、 ?Cを推奨し続けるこ とになる 13
- 14. おわりに 14
- 15. まとめと雑感 l まとめ ? 最適シグナルの観点から推薦システムの理論的解析を試みた論?を紹介 ? 情報提供者を推薦システム、意思決定者をユーザ、シグナルをユーザ?動 履歴と解釈 l 雑感 ? 今回の論?は、理論的解析にのみスポット ? ゲーム理論の視点がインターネットサービスを良くする？ ? Uberの「謝罪モデルと実証分析」論?（Halperlin, et al., 2018）のように、インターネッ トサービスにおける現象（情報の?対称性など）をモデル化し施策につなげた例 15