表演性推荐：通过策略激励实现内容多样化
机器学习
2023-06-12 v3
摘要
推荐的主要目标是向用户建议相关内容，但为准确率优化常导致缺乏多样性的推荐。为此，重排序等传统方法通过呈现更多样化的条目来改善多样性。本文我们认为，要促进内在且持久的多样性，系统必须鼓励其创造。为此，我们利用推荐的表演性本质，展示学习如何激励策略性内容创作者创造多样化内容。我们的方法依赖于一种新颖的正则化形式，其预期内容的策略性变化，并对内容同质性进行惩罚。我们提供了分析和实证结果，展示了多样性在何时以及如何被激励，并通过合成和半合成数据实验证明了我们方法的效用。
引用
@article{arxiv.2302.04336,
title = {Performative Recommendation: Diversifying Content via Strategic Incentives},
author = {Itay Eilat and Nir Rosenfeld},
journal= {arXiv preprint arXiv:2302.04336},
year = {2023}
}