基于聚合偏好的推荐系统用户流失建模
信息检索
2025-02-27 v1 人工智能
机器学习
摘要
尽管传统推荐系统（RS）依赖大量的用户数据，但监管和技术变迁使得必须依赖于聚合用户信息。这一转变显著影响推荐过程，要求 RS 进行大量探索以识别用户偏好。然而，这种方法可能因不令人满意的推荐而导致用户流失。本文提出一种模型，旨在解决两个挑战：一方面利用聚合用户信息，另一方面缓解流失风险。我们的模型假设 RS 具备对用户类型的概率性先验分布以及各种内容类型的聚合满意度水平。我们证明，最优策略自然会在有限时间内从探索过渡到开发，并开发了一种分支定界算法用于计算这些策略，经实证验证其有效性。
引用
@article{arxiv.2502.18483,
title = {Modeling Churn in Recommender Systems with Aggregated Preferences},
author = {Gur Keinan and Omer Ben-Porat},
journal= {arXiv preprint arXiv:2502.18483},
year = {2025}
}