L'étude du impact social des systèmes de recommandation

par Felipe Garrido

Projet de thèse en Informatique

Sous la direction de Rida Laraki.

Thèses en préparation à Paris Sciences et Lettres , dans le cadre de Ecole doctorale de Dauphine (Paris) , en partenariat avec Laboratoire d'Analyse et de Modélisation de Systèmes d'Aide à la Décision (laboratoire) et de Université Paris-Dauphine (établissement de préparation de la thèse) depuis le 31-08-2018 .


  • Résumé

    L'objectif de ce projet est l'étude de l'impact social des différents systèmes de recommendation à l'intérieur d'un réseau d'utilisateurs. Pour cela, le premier but que nous nous sommes fixé est de classifier les différentes dynamiques induites par ces systèmes de recommandation, sur des critères de valeurs des équilibres vers lesquels elles tendent, d'après leurs caractères cyclique ou chaotique, ainsi que sur d´autres critères qui seront définis au cours de la thèse. Dans ce but, la première partie de ces travaux se découpe trois étapes : 1. La création d'un modèle de théorie des jeux : pour un environnement social donné, comme par exemple l´ensemble des utilisateurs d'un site ou bien un réseau social ou encore une application ludique, nous devrons tout d'abord modéliser la situation comme un jeu abstrait en réseau. Le but est ici de définir précisément l'ensemble des actions des joueurs et l'ensemble des graphes possibles. 2. La mise em place d'un système de recommandation : pour un système de recommandation donné appliqué à un réseau, c'est à dire un système qui recommande des contenus à des membres du réseau, une dynamique interne au réseau va être définie, ce qui déterminera la fonction de valorisation et la forme du jeu en réseau pondéré. Cela nous permettra d'étudier mathématiquement leurs propriétés de convergence/divergence à l'aide de simulations. 3. Stabilité des équilibres par paires : chaque état stationnaire sera considéré comme un équilibre par paires jeu en réseau. Nous allons étudier la structure de ces équilibres et de leurs impact social. Une fois la classification de ces algorithmes faites, de nouveaux systèmes seront proposés pour les améliorer, et enfin on testera ces algorithmes sur de vraies bases de données. Pour illustrer le concept de de critère social évoqué plus haut, on peut mentionner la tendance qu'ont les systèmes de recommandation actuels à diffuser des fake news ou à polariser les opinions. Par exemple, tous les mouvements sociaux que nous voyons aujourd'hui, comme les manifestations pour l'éducation, la santé ou les pensions de retraites sont fortement influencés par les informations, ainsi que les personnes et les media actifs sur les réseaux sociaux. Ainsi, l'utilisation d'un mauvais système de recommandation peut entraîner des problèmes.

  • Titre traduit

    Studying the Social Impact of Recommendation Systems


  • Résumé

    The goal on this project is to study the social impact of the different recommendation systems inside of a network of users. In order to achieve this, on first aim is to classify dynamics (induced by recommendation systems) into converging to good versus bad equilibria, dynamics that are cycling versus chaotic, and other social criteria that will be defined during the thesis. For this, the first part of the study is itemized in three principal steps. 1. A game theory model. Given a social environment as for example users of a retail website, a social network or an entertainment application, the first step will be to model this situation as an abstract network game. The goal is to give in detail the set of actions of each player as well as the set of all the possible graphs. 2. Recommendation system. Given a recommendation system for the network (an algorithm to recommend products to the users), a dynamic inside of this one will be defined, which will determinate the payoff function and the weighted network game. With this, we will study mathematically and throughout simulations, their convergence/divergence properties. 3. Pairwise stable equilibria. Any steady state of the social environment will correspond to a pairwise stable equilibrium of the network game. We will study the geometric structure of equilibria and their social impact. Once done the classification of algorithms, new systems will be proposed solving the disadvantages on the designs and leveraging the advantages found. These new systems will be then implemented and tested with real data. As an example of the possible social criteria mentioned before, it's important to avoid the problems that appear in media recommendation systems which have tendency to diffuse fake news and to polarize opinions. All the social movements that we can see nowadays, as protest for education, health or retirement pension, are strongly influenced by the news and opinions of the people and the media acting in social networks, and the use of bad recommendation systems can lead to problems.