社会经济系统与推荐中的拥挤避免与多样性

推荐系统推荐对象时，不考虑其过度拥挤的潜在不利影响。我们通过引入拥挤避免推荐来解决这一缺陷，其中每个对象只能由有限数量的用户共享，或者对象效用随共享用户数量的增加而递减。我们使用真实数据表明，与预期相反，引入这些约束即使在拥挤并非有害的系统中也能提高推荐准确性和多样性。观察到的准确性提升被解释为消除了推荐方法的潜在偏差。最后，我们提出了一种对具有拥挤避免特性的人工社会经济系统进行建模的方法，并获得了初步的解析结果。