通过词典选择提升推荐系统的意外发现性
信息检索
2023-05-19 v1 神经与进化计算
摘要
推荐系统影响着我们数字生活的几乎方方面面。遗憾的是，在努力给予我们想要之物时，它们最终限制了我们的开放心态。当前的推荐系统助长回音室（人们只看到想看的信息）和同质性（背景相似的用户看到相似内容）。我们提出一种新的意外发现性度量，利用聚类分析来度量推荐系统中回音室与同质性的存在程度。随后，我们通过采用进化计算文献中一种称为词典选择（lexicase selection）的父代选择算法，尝试改善知名推荐技术的多样性保持特性。我们的结果表明，词典选择或词典选择与排序的混合，在个性化、覆盖度和我们专门设计的意外发现性基准上优于纯排序对应方法，仅在准确率（命中率）上略逊一筹。我们在多种推荐列表规模下验证了这些结果。本工作表明，词典选择能够维持多个不同的项目推荐簇，每个簇都对该特定用户相关，同时保持高命中率准确率，这一权衡是其他方法未能实现的。
引用
@article{arxiv.2305.11044,
title = {Improving Recommendation System Serendipity Through Lexicase Selection},
author = {Ryan Boldi and Aadam Lokhandwala and Edward Annatone and Yuval Schechter and Alexander Lavrenenko and Cooper Sigrist},
journal= {arXiv preprint arXiv:2305.11044},
year = {2023}
}
备注
9 pages