少数人的力量：协作推荐系统中有影响力用户的影响分析
社会与信息网络
2019-05-21 v1 信息检索
机器学习
机器学习
摘要
与其他社会系统类似，在协同过滤中，少数“有影响力”的用户可能对其他用户的推荐产生较大影响，从而影响系统的整体行为。识别有影响力的用户并研究其对其他用户的影响是一个重要问题，因为它揭示了小群体如何无意或有意地影响整个系统的行为。对这些影响的建模也能阐明原本难以辨明的模式与关系，有望提升系统生成个性化内容的透明度。本工作中，我们首先利用影响判别模型形式化协同过滤中“影响”的概念。随后我们实证识别并刻画有影响力用户，并在不同底层推荐算法下及三个推荐领域（工作、电影与图书推荐）中分析其对系统的影响。这些实验的洞见有助于设计不仅优化准确性、而且能在该影响可能导致系统结果潜在失衡或不公时缓解其作用的系统。
引用
@article{arxiv.1905.08031,
title = {Power of the Few: Analyzing the Impact of Influential Users in Collaborative Recommender Systems},
author = {Farzad Eskandanian and Nasim Sonboli and Bamshad Mobasher},
journal= {arXiv preprint arXiv:1905.08031},
year = {2019}
}