[论文解读] A Connection-Centric Survey of Recommender Systems Research

Saverio Perugini, Marcos André Gonçalves+1 more|ArXiv.org|May 22, 2002

Recommender Systems and Techniques参考文献 97被引用 12

一句话总结

本文提出了一种以连接为核心的推荐系统框架，将关注点从传统的基于内容或协同过滤的方法，转向系统如何通过用户建模来形成社交连接。它认为推荐本质上是连接人——无论是通过用户建模显式实现，还是通过数据模式隐式实现——并主张采用统一的方法论，整合社交结构、用户建模与评估，以整体性地推进该领域的发展。

ABSTRACT

Recommender systems attempt to reduce information overload and retain customers by selecting a subset of items from a universal set based on user preferences. While research in recommender systems grew out of information retrieval and filtering, the topic has steadily advanced into a legitimate and challenging research area of its own. Recommender systems have traditionally been studied from a content-based filtering vs. collaborative design perspective. Recommendations, however, are not delivered within a vacuum, but rather cast within an informal community of users and social context. Therefore, ultimately all recommender systems make connections among people and thus should be surveyed from such a perspective. This viewpoint is under-emphasized in the recommender systems literature. We therefore take a connection-oriented viewpoint toward recommender systems research. We posit that recommendation has an inherently social element and is ultimately intended to connect people either directly as a result of explicit user modeling or indirectly through the discovery of relationships implicit in extant data. Thus, recommender systems are characterized by how they model users to bring people together: explicitly or implicitly. Finally, user modeling and the connection-centric viewpoint raise broadening and social issues--such as evaluation, targeting, and privacy and trust--which we also briefly address.

研究动机与目标

• 将推荐系统研究的重心重新聚焦于用户连接的社会维度，而非仅关注内容或协同过滤。
• 解决现有推荐系统文献中对社交背景和人际关系的忽视问题。
• 识别连接导向推荐系统中的关键挑战，如评估、目标定位、隐私与信任问题。
• 提出未来研究方向，包括分布式基础设施、形式化建模方法以及以人机交互（HCI）为导向的界面设计。
• 倡导将用户建模与社交网络结构相结合，以提升推荐的相关性与系统的可持续性。

提出的方法

• 提出一种以连接为核心的视角，将推荐视为通过显式或隐式社交建模来连接用户机制。
• 根据系统如何通过用户建模来促成连接，对推荐系统进行分类——无论是通过直接用户反馈，还是通过使用模式推断。
• 提出一个概念模型，其中推荐源于通过用户资料（显式）或用户生成数据中的自组织社区（隐式）形成的社交网络。
• 强调用户建模在计算用户之间重叠度方面的作用，以实现推荐，同时使用显式评分与隐式行为追踪。
• 呼吁采用形式化设计方法与评估框架，以实现系统开发的标准化并提升互操作性。
• 强调整合人机交互（HCI）原则，以设计更不具侵扰性、更具交互性的推荐界面。

实验结果

研究问题

• RQ1 如何将推荐系统重新概念化，使其不仅是过滤工具，更是用户之间建立社交连接的机制？
• RQ2 将用户建模视为在推荐系统中构建社交网络的基础，会产生哪些影响？
• RQ3 如何结合显式与隐式用户建模，以更好地识别并利用使用数据中的社交结构？
• RQ4 当推荐系统从以连接为核心的视角审视时，会引发哪些关键的社会与技术挑战——如隐私、信任与评估问题？
• RQ5 为统一用户建模、社交结构与系统设计，需要哪些未来研究方向？

主要发现

• 推荐系统本质上是社交的，因为它们旨在通过共享兴趣或偏好连接用户，无论这些连接是显式建模还是从数据中推断而来。
• 传统的内容推荐与协同过滤方法忽视了社交维度，而这一维度对于理解推荐系统在实际中的运作机制至关重要。
• 用户建模是实现连接的核心，可通过显式反馈（如评分）或隐式信号（如浏览行为）实现。
• 在用户生成数据中发现的自组织社区——如网页日志或通信模式——可揭示隐藏的社交结构，从而为推荐提供依据。
• 未来系统应整合分布式用户建模、标准化设计方法与以人机交互（HCI）为导向的界面，以提升可用性与互操作性。
• 推荐系统长期成功的关键在于统一社交结构建模与用户建模，以构建可持续、可信且高效的推荐生态系统。