推荐系统与反应性用户之间的反馈回路

推荐系统支撑着多种在线平台。这些推荐系统及其用户形成反馈回路：前者通过个性化和推广热门内容来最大化用户参与度，而推荐内容则塑造用户意见或行为，潜在影响未来推荐。在此基础上，研究表明这些动态会导致用户意见的变化。本文询问：反应性用户——即意识到其所消费内容影响力的用户——是否可以通过主动选择是否与所推荐内容互动来防止此类变化。我们首先建模了反应性用户意见动态与推荐系统之间的反馈回路。在三种不同政策下进行研究——固定内容消费（被动政策）、减少或自适应减少内容消费（反应性政策）。我们在解析分析中展示，反应性政策有助于用户有效防止或限制不令人满意的意见变化，同时仍可从平台内容消费中获得效用。我们通过数值实验验证并阐释了理论发现。