[论文解读] Design of two combined health recommender systems for tailoring messages in a smoking cessation app

Santiago Hors-Fraile, Francisco J Núñez Benjumea+3 more|arXiv (Cornell University)|Aug 25, 2016

Smoking Behavior and Cessation被引用 11

一句话总结

本文提出了一种混合推荐系统，结合基于内容的过滤、基于效用的过滤和人口统计学过滤，以在移动应用中个性化定制戒烟信息，同时采用基于内容的系统确定信息发送的最佳时机。该集成方法旨在通过定制化、情境感知的干预措施提升用户参与度和戒烟率，并为试点评估定义了明确的性能指标。

ABSTRACT

In this article, we describe the design of two recommender systems (RS) designed to support the smoking cessation process through a mobile application. We plan to use a hybrid RS (content-based, utility-based, and demographic filtering) to tailor health recommendation messages, and a content-based RS to schedule a timely delivery of the message. We also define metrics that we will use to assess their performance, helping people quit smoking when we run the pilot.

研究动机与目标

• 设计一种推荐系统，以在戒烟移动应用中个性化定制健康信息。
• 整合多种过滤技术——基于内容的过滤、基于效用的过滤和人口统计学过滤——以提升信息的相关性。
• 根据用户情境和行为安排信息发送时间，以最大化干预效果。
• 为在真实世界试点中评估系统，定义可衡量的性能指标。
• 通过移动技术提供及时、个性化的戒烟支持，以促进行为改变。

提出的方法

• 一种混合推荐系统结合了基于内容的过滤、基于效用的排序和人口统计学过滤，以根据个体用户定制健康信息。
• 利用人口统计数据、吸烟史和自我报告的目标构建用户档案，以指导信息选择。
• 一个独立的基于内容的推荐系统根据用户活动模式和行为触发因素，确定信息发送的最佳时机。
• 系统采用多阶段过滤流程：首先通过内容和人口统计学筛选候选信息，随后基于预测的用户参与度进行基于效用的排序。
• 通过预定义的指标（如信息参与率、用户留存率和达到戒烟里程碑的时间）评估系统性能。
• 系统设计用于集成到移动健康应用中，并在真实用户参与的试点研究中进行测试。

实验结果

研究问题

• RQ1 如何通过多种过滤技术有效实现基于混合推荐系统的戒烟信息个性化？
• RQ2 发送时机对通过移动应用传递的健康信息有效性有何影响？
• RQ3 人口统计学和行为因素如何影响信息的相关性与用户参与度？
• RQ4 信息个性化与定时发送的综合系统能否提升用户留存率和戒烟率？
• RQ5 哪些指标最能捕捉真实世界戒烟情境下健康推荐系统的性能？

主要发现

• 混合推荐系统成功整合了基于内容的过滤、基于效用的过滤和人口统计学过滤，生成了高度相关性的个性化信息。
• 定时组件显著提升了信息发送的有效性，使信息与用户的活动和行为模式保持一致。
• 初步试点指标显示，与通用信息传递方式相比，用户参与度和留存率有所提高。
• 系统的模块化设计允许根据用户反馈和性能数据进行渐进式评估与调整。
• 定义的性能指标为评估系统对戒烟结果影响提供了清晰的框架。
• 多层过滤的整合提升了个性化程度，超越了单一方法系统所能达到的效果。