迈向全球化、社会经济与文化感知的推荐系统

推荐系统在个性化消费者偏好方面获得了越来越多的关注。虽然这些系统主要专注于广告推荐（如 Google）、个性化建议（如 Netflix 和 Spotify）以及零售选择（如 Amazon）等应用，但随着企业寻求向多元化市场扩张，这些系统有潜力从更具全球化、社会经济和文化感知的方法中获益。本文旨在研究考虑文化认同和社会经济因素的推荐系统的潜力。我们回顾了推荐系统的最新进展，并探讨了文化认同和社会经济因素对消费者偏好的影响。然后，我们提出了一种将这些因素纳入推荐系统的本体和方法。为了说明我们方法的潜力，我们提出了一个娱乐行业消费者订阅计划选择的场景。我们认为，由于缺乏对社会经济因素和文化认同的感知，现有推荐系统在精确理解用户偏好方面能力有限，且无法根据不断变化的社会经济条件更新推荐。我们探索了各种机器学习模型，并开发了一个最终的人工神经网络（ANN）模型来解决这一差距。我们从四个维度评估了社会经济和文化感知的推荐系统的有效性：精确率、准确率、F1 和召回率。我们发现，一个经过高度调优的 ANN 模型，结合领域特定数据、精选文化指数和相关的社会经济因素，在预测用户订阅偏好方面达到了 95% 的准确率、94% 的精确率、92% 的 F1 分数和 90% 的召回率。