影响人工智能推荐系统中情感状态的调查
信息检索
2025-08-29 v1
摘要
情感推荐系统是一类旨在通过与用户情感状态一致来增强个性化推荐的智能系统。反映日益增长的兴趣，已有多篇调查性文献，但它们缺乏以心理学为基础的组织分类法，且常只研究特定类型的情感状态或应用领域。本次调查克服了这些局限性，通过对情感推荐系统进行全面、系统性的综述，覆盖多个领域。依据 Scherer 对情感状态的分类法，我们引入一种将系统组织分为四个主要类别的分类方案：情感感知型、情绪感知型、情绪状态感知型和混合型。我们进一步记录了情感信号提取技术、系统架构和应用领域，突出显示了关键趋势、局限性和开放挑战。作为未来研究方向，我们强调跨不同模态利用多种情感状态的混合模型、开发大规模情感感知数据集的需求，以及用更精确的认知和社会心理学术语取代情感状态的民间术语的必要性。通过系统性综述现有研究及其挑战，本次调查旨在为推动情感驱动型个性化推荐的学术研究和产业应用提供全面参考和实用指南。
引用
@article{arxiv.2508.20289,
title = {A Survey of Affective Recommender Systems: Modeling Attitudes, Emotions, and Moods for Personalization},
author = {Tonmoy Hasan and Razvan Bunescu},
journal= {arXiv preprint arXiv:2508.20289},
year = {2025}
}