推荐系统中羊群效应的分析与实证研究
人工智能
2024-08-21 v1
摘要
在线评分系统常被用于众多网络或移动应用程序（例如 Amazon 和 TripAdvisor）中，用于评估产品的真实质量。由于羊群效应，历史评分（或历史集体意见）的聚合会显著影响后续评分，导致误导性且错误的评估。我们研究如何通过评分聚合规则和精选代表性评论来管理产品评分，以纠正评估误差。我们首先建立了一个数学模型来刻画产品评分中羊群效应的重要因素。然后，我们通过随机逼近理论确定了充分条件，在这些条件下，历史集体意见收敛于整个用户群体的真实集体意见。这些条件识别出了一类能够揭示产品真实质量的评分聚合规则和评论选择机制。我们还通过鞅理论量化了收敛速度，这反映了评分聚合规则和评论选择机制的效率。我们证明，羊群效应会减缓收敛速度，而准确的评论选择机制可以加快收敛速度。我们还数值研究了收敛速度，并揭示了在选择评分聚合规则和评论选择机制时的权衡。为了展示我们框架的实用性，我们设计了一个最大似然算法来从评分中推断模型参数，并在 Amazon 和 TripAdvisor 的评分数据集上进行了实验。我们证明，适当的考虑时效性的评分聚合规则可以将 Amazon 和 TripAdvisor 中的收敛速度分别提高 41% 和 62%。
引用
@article{arxiv.2408.10895,
title = {Analytical and Empirical Study of Herding Effects in Recommendation Systems},
author = {Hong Xie and Mingze Zhong and Defu Lian and Zhen Wang and Enhong Chen},
journal= {arXiv preprint arXiv:2408.10895},
year = {2024}
}
备注
29 pages