推荐系统对全局多样性的强化影响

推荐系统是过滤现代社会过载信息的有前景的途径。其算法帮助个体发现优质物品，但它们在物品间如何分配流行度尚不清楚。本文通过模拟连续推荐，并以基尼系数衡量其对物品流行度离散程度的影响。结果表明，局部扩散和协同过滤强化了热门物品的流行度，扩大了流行度离散程度。另一方面，热传导算法增加了小众物品的流行度，并产生较小的物品流行度离散。模拟结果与平均场预测进行了比较。我们的结果表明，推荐系统对全局多样性具有强化影响。