迈向有原则的用户侧推荐系统

传统上，推荐算法是为服务开发者设计的。然而，近来一种称为用户侧推荐系统（user-side recommender systems）的新范式被提出，其使网络服务用户能够在无法访问商业机密数据的情况下构建自己的推荐系统。这种方法即使用户服务的官方推荐系统不公平，也为用户自定义公平系统打开了大门。尽管现有的用户侧推荐系统方法已解决了在不使用日志数据的情况下构建推荐系统这一挑战性问题，但它们依赖于启发式方法，且从理论角度看构建用户侧推荐系统是否是一个良定义问题仍不清楚。在本文中，我们提供了用户侧推荐系统的理论依据。具体而言，我们发现隐藏的物品特征可从用户可获取的信息中恢复，使得用户侧推荐系统的构建成为良定义的。然而，这一有理论依据的方法并不高效。为实现实用且有理论依据的推荐系统，我们提出用户侧推荐系统的三个期望性质，并基于这些基础提出一个有效且高效的用户侧推荐系统 Consul。我们证明 Consul 满足全部三个性质，而现有的用户侧推荐系统至少缺乏其中之一。在实验中，我们通过数值实验经验性地验证了特征恢复理论。我们还展示了我们提出的方法在有效性与效率之间实现了极佳的权衡，并通过案例研究证明该方法能检索到提供方官方推荐系统无法获取的信息。