超越千篇一律：不同推荐类别中神经与行为变异性的研究

传统上，推荐系统主要基于推荐的准确性和相关性来衡量性能。然而，这种以算法为中心的方法忽略了不同类型推荐如何影响用户参与度并塑造整体体验质量。在本文中，我们将焦点转向用户，并首次应对解码不同推荐类别中神经和行为变异性的挑战，而不仅仅考虑相关性。具体而言，我们使用一个包含多种推荐类型的全面电子商务数据集进行了对照研究，并收集了脑电图和行为数据。我们分析了针对搜索查询结果中被归类为精确、替代、互补或不相关产品的推荐的神经和行为反应。我们的发现为用户偏好和决策过程提供了新的见解，揭示了每个类别中行为与神经模式之间的有意义关系，但也表明了被试间变异性。