探索 ChatGPT 推荐中的多样性、新颖性与流行偏差
信息检索
2026-01-06 v1 人工智能
计算与语言
摘要
ChatGPT 作为一个多功能工具，展现出在多个领域的强大能力。鉴于这些成功，推荐系统（RS）社区开始调查其在推荐场景中的应用，主要聚焦于准确性。尽管将 ChatGPT 集成到 RS 中引起了广泛关注，但其在各种维度上的性能综合分析仍较少探讨。具体而言，ChatGPT 在提供多样化和新颖推荐方面或是否存在如流行偏差等潜在偏差的能力，尚未得到 thorough 的检验。随着这些模型使用的不断扩展，理解这些方面对于提升用户满意度和实现长期个人化至关重要。本研究考察了 ChatGPT-3.5 和 ChatGPT-4 的推荐结果，通过评估其在多样性、新颖性和流行偏差方面的能力。我们在三个不同的 dataset 上对这些模型进行评估，并评估其在 Top-N 推荐和冷启动场景中的表现。研究发现，ChatGPT-4 与传统推荐系统相当或更好，表现出在推荐中平衡新颖性和多样性的能力。此外，在冷启动场景中，ChatGPT 模型在准确性和新颖性方面表现出优势，表明它们对于新用户尤其有益。这项研究揭示了 ChatGPT 推荐的优势与局限，为这些模型在准确性导向指标之外提供推荐提供了新视角。
引用
@article{arxiv.2601.01997,
title = {Exploring Diversity, Novelty, and Popularity Bias in ChatGPT's Recommendations},
author = {Dario Di Palma and Giovanni Maria Biancofiore and Vito Walter Anelli and Fedelucio Narducci and Tommaso Di Noia},
journal= {arXiv preprint arXiv:2601.01997},
year = {2026}
}