超越个性化：面向创作者公平与消费者满意度的社交内容推荐
信息检索
2019-06-18 v3 社会与信息网络
摘要
现代社交媒体平台中有效的内容推荐应同时使创作者受益，为他们带来真正的利益；并使消费者受益，帮助他们获取真正感兴趣的内容。在本文中，我们提出了一种用于内容推荐的模型，称为社交探索注意力网络（SEAN）。SEAN 使用个性化内容推荐模型来鼓励由个人兴趣驱动的推荐。此外，SEAN 允许个性化因子关注社交网络中用户的高阶朋友，以提高推荐结果的准确性和多样性。我们从一个流行的去中心化内容分发平台 Steemit 构建了两个数据集，将 SEAN 与 SOTA 的 CF 和基于内容的推荐方法进行了比较。实验结果证明了 SEAN 在推荐公平性的 Gini 系数和推荐性能的 F1 分数方面的有效性。
引用
@article{arxiv.1905.11900,
title = {Beyond Personalization: Social Content Recommendation for Creator Equality and Consumer Satisfaction},
author = {Wenyi Xiao and Huan Zhao and Haojie Pan and Yangqiu Song and Vincent W. Zheng and Qiang Yang},
journal= {arXiv preprint arXiv:1905.11900},
year = {2019}
}
备注
Accepted by SIGKDD 2019