本文综述了个性化推荐及推荐系统的经典算法,评估方式,以及最近研究的方向:基于会话的推荐、推荐系统中的偏差问题以及实际应用的影响和价值。
Feb, 2023
本文旨在研究设计面向用户的策略推荐系统时需要考虑的重要因素。我们进行了一项人体实验,测量了不同性格类型的用户对不同策略推荐系统的偏好,并发现某些人格特征明显影响了特定类型的系统的偏好。最后,我们报告了推荐的可用性、一致性和感知智能之间的有趣关系,其中更高的一致性与个人偏好推荐会导致更高的感知智能和可用性。
Jan, 2023
调查了公平推荐系统的现有方法和实践,包括概念,分类,评估和影响,旨在提高推荐系统的可信度、减少偏见和提高公平性,继而促进公平感知型推荐系统的发展。
Jun, 2023
通过系统化调查分析了推荐系统在社交媒体、在线零售、城市地图和生成 AI 生态系统等四个人工智能生态系统中的影响,提出了一种简洁的分类方法,讨论了方法学和结果,并展望了未来的研究方向。
Jun, 2024
本文详细调查了面向会话的推荐技术现有的方法,将这些方法按支持的用户意向或背景知识等维度分类,同时讨论了技术方法、CRS 的评估,以及未来需要更多研究的领域。
Apr, 2020
本文综述了基于深度学习的推荐系统的最新研究进展,提出和总结了深度学习推荐模型的分类法和现有技术的综述,同时扩展了当前趋势并提供了对这一新兴领域的新见解。
Jul, 2017
该研究论文概述了可信度推荐系统的六个最重要方面:安全性与鲁棒性、非歧视与公平性、可解释性、隐私性、环境福祉以及问责与审计,并讨论了未来实现可信度推荐系统的潜在研究方向。
Sep, 2022
个性化推荐系统在电子商务领域的应用及挑战,以及利用 BERT 模型和最近邻算法设计的 eBay 电子商务平台的个性化推荐系统的高效性和可行性。
Mar, 2024
该研究介绍并评估了一种基于个人偏好识别的推荐系统方法,即 Personality Diagnosis (PD),它具有传统相似度加权技术的优点,并能提供有意义的概率解释,同时支持价值信息计算。
Jan, 2013
推荐系统中普遍存在的流行度偏差问题,导致推荐结果集中在热门物品,本文回顾了流行度偏差的潜在原因和现有方法,并批判性地讨论了当前文献的局限性。
Aug, 2023