Исследователи MIT пересмотрели подход к random utility models при прогнозировании предпочтений
Идея random utility models восходит к статье американского психолога L. L. Thurstone «A law of comparative judgment», опубликованной в 1927 году. В ней предполагалось, что при выборе между несколькими вариантами человек фактически выбирает тот, который имеет для него наибольшую ценность, даже если он не может выразить эту ценность точным числом. Эта работа стала одной из основ психометрики и легла в основу математических моделей, которые описывают человеческие предпочтения и позволяют строить прогнозы для гипотетических сценариев.
Такие модели широко применяются в государственном управлении и индустрии. Они помогают оценивать, например, как люди будут добираться на работу или учебу, если крупную магистраль закроют на ремонт, какие маршруты и виды транспорта они выберут, или как распределить неожиданно полученные городом $20 million, чтобы максимизировать общественную пользу. Подход также используется при анализе пользовательских выборов, например, между фильмами на Netflix, товарами на Amazon.com или новостями на Google.
В работе, представленной в April на International Conference on Learning Representations в Rio de Janeiro, Brazil, исследователи показали, что в этих моделях можно извлечь больше информации, чем считалось ранее. Авторы, Yeshwanth Cherapanamjeri, бывший постдок MIT, сейчас работающий в Nanyang Technological University in Singapore; Gabriele Farina из MIT’s Department of Electrical Engineering and Computer Science и Laboratory for Information and Decision Systems, также входящий в MIT’s Operations Research Center; Constantinos Daskalakis из MIT's Computer Science and Artificial Intelligence Laboratory; и Sobhan Mohammadpour, PhD student MIT из LIDS и EECS, указывают на ограничения распространённого способа оценки моделей.
На практике данные для random utility models чаще всего собираются через pairwise-comparisons: пользователю предлагают выбрать между двумя вариантами, например, A и B. Такой формат считается удобным, потому что людям проще сравнить два объекта, чем присвоить одному из них точную числовую оценку. Однако, по словам исследователей, анализ только парных сравнений не позволяет выявить корреляции между многочисленными вариантами выбора, что ограничивает возможности моделей.
Ключевые факты
В статье 1927 года «A law of comparative judgment» психолог L. L. Thurstone заложил основу подхода, который позже стал известен как random utility models (RUMs).
RUMs используются в правительстве и индустрии для прогнозирования выбора людей в гипотетических сценариях, например при моделировании транспортных решений или распределения городских средств, таких как $20 million.
В апреле на International Conference on Learning Representations в Rio de Janeiro была представлена работа исследователей MIT о новых свойствах random utility models.
Авторы исследования: Yeshwanth Cherapanamjeri (Nanyang Technological University), Gabriele Farina, Constantinos Daskalakis и Sobhan Mohammadpour из MIT.