合作竞争过滤 II：最优推荐和协作游戏
摘要：推荐系统已成为帮助在线企业实现许多战略目标的新武器（例如提高销售、收入、客户体验等）。然而，许多现有技术通常通过寻求在矩阵完成框架中恢复偏好（例如估计评级）来接近这些目标。本文旨在弥合这个明确定义的战略目标和不太合理的代理之间的差距。 我们表明，将推荐系统视为一个垄断经济市场的类比，系统作为唯一的卖家，用户作为买家，物品作为商品是有优势的。这种新的视角激发了对推荐的博弈论的形式化，使我们能够通过明确优化某些战略目标来确定最优的推荐策略。在本文中，我们重新审视和扩展我们之前的工作-合作竞争过滤偏好模型，朝着博弈论框架发展。所提出的框架包括两个组成部分。首先，是一个条件偏好模型，描述了用户对推荐行为的响应方式；其次，是在预先了解用户如何响应的情况下，推荐系统应如何行动（即推荐），以最大化其目标。我们展示了在该框架中如何显式优化点击率、销售收入和消费多样性等目标。在商业推荐系统上进行了实验，并展示了有希望的结果。
作者：Shuang-Hong Yang
论文ID：1212.2150
分类：Information Retrieval
分类简称：cs.IR
提交时间：2012-12-11