超越显式与隐式：用户如何通过反馈塑造个性化推荐内容
人机交互
2025-02-17 v1
摘要
随着个性化推荐算法日益成为社交媒体平台的核心，用户越来越意识到自己影响推荐内容的能力。然而，现有研究有限探索用户如何通过行为和平台机制提供反馈以塾造推荐内容。我们对34位活跃的算法驱动社交媒体平台用户（如小红书、抖音）进行了半结构化访谈。除了显式反馈和隐式反馈之外，本研究引入了“刻意隐式反馈”，即用户通过感知到的反馈机制有意识地采取行动来细化推荐内容。此外，发现反馈行为的选择与特定目的相吻合。显式反馈主要用于内容 feed 定制，而非刻意的隐式反馈更与内容消费相关。刻意隐式反馈用于多个目的，特别是增加内容多样性和提高推荐相关性。本工作强调了用户意图维度在显式-隐式反馈二分法中的作用，为设计更贴合用户需求的个性化推荐反馈提供了洞见。
引用
@article{arxiv.2502.09869,
title = {Beyond Explicit and Implicit: How Users Provide Feedback to Shape Personalized Recommendation Content},
author = {Wenqi Li and Jui-Ching Kuo and Manyu Sheng and Pengyi Zhang and Qunfang Wu},
journal= {arXiv preprint arXiv:2502.09869},
year = {2025}
}
备注
The final version is available at https://doi.org/10.1145/3706598.3713241