FARE رتبه‌بندی محتوای مالی را با توجه به انصاف و عدم‌قطعیت بهبود می‌دهد

پژوهشی تازه در حوزه هوش مصنوعی، روشی به نام FARE را برای رتبه‌بندی محتوای مالی معرفی می‌کند که هدفش متوازن‌کردن میزان دیده‌شدن محصولات و دسته‌های مختلف است. این روش، پیش‌بینی نرخ کلیک را در کنار محدودیت‌های انصاف و عدم‌قطعیت پیش‌بینی در نظر می‌گیرد و به گفته چکیده مقاله، می‌تواند بدون آموزش دوباره مدل اصلی پیش‌بینی کلیک به کار گرفته شود. مقاله در ۲۹ سپتامبر ۲۰۲۶ در arXiv منتشر شده است.

مسئله از آن‌جا ناشی می‌شود که سامانه‌های شخصی‌سازی محتوا معمولاً برای افزایش کلیک، گزینه‌هایی را در جایگاه‌های بالاتر قرار می‌دهند که احتمال کلیک‌خوردنشان بیشتر پیش‌بینی شده است. اگر این روند به‌تنهایی مبنای رتبه‌بندی باشد، محتوای محبوب ممکن است پیوسته بیشتر دیده شود و محصولات مرتبط دیگر سهم اندکی از نمایش بگیرند؛ وضعیتی که مقاله از آن با تعبیر «ثروتمند، ثروتمندتر می‌شود» یاد می‌کند.

سهم نمایش؛ راهی برای حفظ تنوع

برای مقابله با این مشکل، سامانه‌های مالی می‌توانند محدودیت‌هایی بر «سهم صدا» یا Share of Voice (SOV) اعمال کنند. در این کاربرد، SOV به سهمی از جایگاه‌های برجسته اشاره دارد که باید به هر دسته محتوایی اختصاص یابد. چنین هدفی می‌تواند از تمرکز بیش‌ازحد نمایش روی گزینه‌هایی با نرخ کلیک پیش‌بینی‌شده بالا جلوگیری کند و فرصت کشف محصولات متنوع‌تری را برای کاربران فراهم آورد.

بااین‌حال، رعایت سهم نمایش هدف با بیشینه‌کردن تعامل کاربران در تنش است: جابه‌جایی رتبه‌ها برای رساندن یک دسته به سهم موردنظر ممکن است گزینه‌هایی را از جایگاه‌های بالاتر کنار بزند که پیش‌بینی می‌شود کلیک بیشتری بگیرند. چالش اصلی، به روایت مقاله، کاهش فاصله از هدف انصاف بدون تحمیل افت زیاد در تعامل است.

صورت‌بندی رتبه‌بندی به‌عنوان مسئله یادگیری تقویتی

پژوهشگران رتبه‌بندی مقید به SOV را به شکل مسئله‌ای در یادگیری تقویتی عمیق صورت‌بندی کرده‌اند. در این چارچوب، عامل یادگیری تقویتی برای انتخاب اقدام‌ها و بهبود نتیجه در طول زمان آموزش می‌بیند. مقاله این مسئله را به اجرای معاملات مقید در مالی الگوریتمی تشبیه می‌کند؛ حوزه‌ای که در آن تصمیم‌ها باید ضمن پیگیری هدف، محدودیت‌های مشخصی را نیز رعایت کنند.

وجه دیگر روش FARE توجه صریح به عدم‌قطعیت پیش‌بینی نرخ کلیک یا CTR است. CTR معیاری برای نسبت کلیک‌ها به دفعات نمایش محتواست و مدل‌ها معمولاً آن را برای تخمین جذابیت گزینه‌ها به کار می‌برند. طبق مقاله، وقتی پیش‌بینی CTR نامطمئن‌تر است، FARE می‌تواند رتبه‌بندی را بیشتر از ترتیب مبتنی بر CTR تغییر دهد؛ زیرا در این موارد، هزینه احتمالی فاصله‌گرفتن از ترتیب بهینه بر پایه CTR کمتر ارزیابی می‌شود.

یک لایه اجرایی با چند سیاست

FARE یا Fair Ranking Executor به‌عنوان لایه‌ای ماژولار معرفی شده است که پیش‌بینی‌های هر مدل جعبه‌سیاه CTR را به رتبه‌بندی‌هایی سازگار با هدف SOV تبدیل می‌کند. منظور از مدل جعبه‌سیاه در این‌جا مدلی است که لایه رتبه‌بندی لازم نیست ساختار درونی آن را تغییر دهد یا از نو آموزش دهد. بنابراین، روش پیشنهادی قرار نیست مدل پیش‌بینی کلیک را جایگزین کند، بلکه خروجی آن را برای رعایت محدودیت‌های نمایش تعدیل می‌کند.

مقاله چند سیاست برای این لایه بررسی می‌کند: FARE-PC، یک سیاست کنترل تناسبیِ وزن‌دهی‌شده با عدم‌قطعیت، و دو سیاست یادگرفتنی با نام‌های FARE-ES و FARE-PPO. چکیده پژوهش می‌گوید رویکردهای آگاه از عدم‌قطعیت توانستند انحراف از هدف SOV را به میزان چشمگیری کاهش دهند و در عین حال افت تعامل را محدود کنند. چکیده، اعداد دقیق این بهبودها را ارائه نمی‌کند.

نتایج به مجموعه‌داده وابسته‌اند

نتیجه مقایسه روش‌های یادگیری نیز در همه داده‌ها یکسان نبود. بر اساس چکیده، روش‌های تکاملیِ بدون گرادیان در داده‌های مصنوعی از روش‌های مبتنی بر گرادیان سیاست عملکرد بهتری داشتند؛ اما در مجموعه‌داده KuaiRand-Pure ترتیب عملکرد برعکس شد. گرادیان در این زمینه به روشی برای محاسبه جهت تغییر پارامترهای مدل جهت بهبود نتیجه اشاره دارد؛ روش‌های بدون گرادیان، به‌جای تکیه بر این محاسبه، گزینه‌ها را با رویکردهای جست‌وجویی بررسی می‌کنند.

این تفاوت نشان می‌دهد که برتری یک سیاست رتبه‌بندی ممکن است به داده و شرایط ارزیابی بستگی داشته باشد. بنابراین، چکیده مقاله مبنایی برای اعلام برنده‌ای قطعی در همه کاربردها فراهم نمی‌کند. همچنین اطلاعات ارائه‌شده در آن درباره جزئیات پیاده‌سازی، معیارهای دقیق ارزیابی یا عملکرد در محیط واقعی خدمات مالی توضیحی نمی‌دهد.

این خبر برای چه کسانی اهمیت دارد

پیشنهاد FARE برای تیم‌هایی اهمیت دارد که سامانه‌های پیشنهاددهنده یا رتبه‌بندی محتوای مالی را طراحی می‌کنند و باید میان تعامل کاربران و تعهد به نمایش متوازن محصولات تعادل برقرار کنند. ایده استفاده از عدم‌قطعیت نیز برای پژوهشگران یادگیری تقویتی و سامانه‌های توصیه‌گر قابل توجه است: رتبه‌بندی فقط بر پایه بهترین پیش‌بینی موجود انجام نمی‌شود، بلکه میزان اطمینان به آن پیش‌بینی هم می‌تواند در تصمیم‌گیری نقش داشته باشد.

بااین‌حال، چکیده منتشرشده برای سنجش آمادگی FARE جهت استفاده عملی کافی نیست. ارزیابی این روش در هر سامانه، به بررسی سازگاری هدف‌های SOV با محدودیت‌های همان خدمت و آزمودن اثر رتبه‌بندی بر تعامل کاربران نیاز دارد؛ جزئیاتی که در متن در دسترس این خبر تشریح نشده‌اند.