考虑用户动态偏好以缓解推荐系统中长尾负面效应
信息检索
2021-12-07 v1 人机交互
摘要
如今，随着网络空间中生成信息量的增加，许多网络服务提供商尝试使用推荐系统来个性化其服务并方便内容访问。仅试图提高准确性的推荐系统（即项目与用户兴趣的相似度）将面临长尾问题。这意味着被称为短头的流行项目因其拥有大量评分，在推荐列表中出现的频率高于其他项目。然而，被称为长尾项目的非流行项目由于会降低准确性而较少被使用。其他解决长尾问题的研究将用户兴趣视为恒定，而实际上其偏好随时间变化。我们建议应考虑用户动态偏好，以在使用长尾项目于推荐列表中时防止准确性损失。本研究表明原因有两点：1) 用户随时间对流行与非流行项目的评分比例不同。2) 各年龄段用户对流行与非流行项目有不同兴趣。因此，可随时间创建具有不同长尾与短头项目比例的推荐列表。此外，我们基于项目评分预测用户年龄，以使用更多长尾项目。结果表明，通过考虑这两点原因，推荐列表准确性达到 91%。同时，长尾问题较其他相关研究得到更好改善，并从长远看在推荐列表中提供更好多样性。
引用
@article{arxiv.2112.02406,
title = {Considering user dynamic preferences for mitigating negative effects of long tail in recommender systems},
author = {Reza Shafiloo and Marjan Kaedi and Ali Pourmiri},
journal= {arXiv preprint arXiv:2112.02406},
year = {2021}
}
备注
17 pages, 8 figures