忠诚用户是否享有更好的推荐？从时间视角理解推荐准确性
信息检索
2022-07-05 v2
摘要
在学术研究中，推荐系统常在基准数据集上评估，而很少考虑全局时间线。因此，我们无法回答诸如以下问题：忠诚用户是否比非忠诚用户享有更好的推荐？忠诚度可由用户在推荐系统中的活跃时间周期，或用户的历史交互数量来定义。在本文中，我们提供沿全局时间线的推荐结果综合分析。我们在四个基准数据集（即MovieLens-25M、Yelp、Amazon-music和Amazon-electronic）上，使用五种广泛使用的模型（即BPR、NeuMF、LightGCN、SASRec和TiSASRec）进行实验。我们的实验结果对上述问题的回答为“否”。具有大量历史交互的用户遭受相对较差的推荐。在系统中停留时间较短的用户享有更好的推荐。两项发现均有违直觉。有趣的是，相对于测试实例的时间点近期与系统交互过的用户享有更好的推荐。关于新近性的发现适用于所有用户，无论用户的忠诚度如何。我们的研究提供了理解推荐准确性的不同视角，且我们的发现可能引发对推荐模型设计的重新审视。代码见\url{https://github.com/putatu/recommenderLoyalty}。
引用
@article{arxiv.2204.05927,
title = {Do Loyal Users Enjoy Better Recommendations? Understanding Recommender Accuracy from a Time Perspective},
author = {Yitong Ji and Aixin Sun and Jie Zhang and Chenliang Li},
journal= {arXiv preprint arXiv:2204.05927},
year = {2022}
}
备注
Accepted to ICTIR2022