走出舒适区：面向网络系统的更具包容性内容推荐
社会与信息网络
2021-06-22 v1
摘要
网络系统广泛应用于社交网络、基础设施网络和生物网络等现实场景。在这些应用中，我们因社交网络的复杂性与流行性而对其感兴趣。社交网络上的关键任务之一是基于图结构的特殊特征推荐新内容。在本项目中，我们旨在通过防止推荐偏向来自封闭社区的内容来增强推荐系统。为抵消该偏差，我们将信息在网络中的传播视为评估内容推荐(如新连接与新闻推送)的指标。我们使用学术合作网络与来自 Yelp 的用户-项目交互数据集来模拟连接推荐环境并验证所提算法。
引用
@article{arxiv.2106.10408,
title = {Step Out of Your Comfort Zone: More Inclusive Content Recommendation for Networked Systems},
author = {Jiaxin Wu and Supawit Chockchowwat},
journal= {arXiv preprint arXiv:2106.10408},
year = {2021}
}