社交网络中的主动推荐：利用因果推断引导用户兴趣
信息检索
2026-01-01 v2
摘要
推荐仅迎合用户历史兴趣的项目会窄化用户的视野。最近的工作考虑通过直接调整向目标用户曝光的项目来引导其超越历史兴趣。然而，直接引导所推荐的项目可能与用户兴趣的演变不完全一致，从而对目标用户的体验产生不利影响。为避免此问题，我们提出了一项名为社交网络主动推荐 (PRSN) 的新任务，该任务通过利用社交邻居的影响力来间接引导用户兴趣，即通过调整目标项目对目标用户邻居的曝光来进行间接引导。PRSN 的关键在于回答一个干预性问题：如果将一个目标项目曝光给用户的不同邻居，该目标用户对该项目的反馈会是什么？为了回答这个问题，我们借助因果推断，将 PRSN 形式化为：(1) 在项目对用户邻居的曝光所产生的网络干扰下，估计用户对项目的潜在反馈；(2) 调整目标项目对目标用户邻居的曝光，以在引导性能和邻居体验损害之间进行权衡。为此，我们提出了一个邻居干扰推荐 (NIRec) 框架，该框架包含两个模块：(1) 一个基于干扰表征的估计模块，用于建模潜在反馈；(2) 一个基于后学习的优化模块，用于通过贪婪搜索调整目标项目的曝光，以权衡引导性能和邻居体验。我们在真实世界数据集上进行了广泛的半仿真实验，验证了 NIRec 的引导有效性。
引用
@article{arxiv.2409.08934,
title = {Proactive Recommendation in Social Networks: Steering User Interest with Causal Inference},
author = {Hang Pan and Shuxian Bi and Wenjie Wang and Haoxuan Li and Peng Wu and Fuli Feng},
journal= {arXiv preprint arXiv:2409.08934},
year = {2026}
}