协同过滤推荐系统中用户发现的迭代性质的理论建模
信息检索
2020-09-01 v1 人工智能
人机交互
机器学习
机器学习
摘要
推荐系统中的闭环反馈回路是一种常见设置，可导致不同类型的偏差。若干研究通过设计方法来缓解这些偏差对推荐的影响。然而，大多数现有研究未考虑系统的迭代行为，其中闭环反馈回路在将不同偏差纳入推荐步骤的多个环节方面起着关键作用。我们提出一个理论框架，用于建模在反馈回路设置下运行的推荐系统各组件的渐近演化，并推导关于用户发现与盲点的可量化度量的理论界与收敛性质。我们还使用真实数据集对我们的理论发现进行实证验证，并在我们的理论框架内对一个基础探索策略的效率进行实证检验。我们的发现为量化反馈回路的影响以及设计明确将反馈回路的迭代性质纳入机器学习与推荐过程的人工智能和机器学习算法奠定了理论基础。
引用
@article{arxiv.2008.13526,
title = {Theoretical Modeling of the Iterative Properties of User Discovery in a Collaborative Filtering Recommender System},
author = {Sami Khenissi and Mariem Boujelbene and Olfa Nasraoui},
journal= {arXiv preprint arXiv:2008.13526},
year = {2020}
}
备注
Accepted in Recsys2020. Code available at: https://github.com/samikhenissi/TheoretUserModeling