[论文解读] Finding the Right Set of Users: Generalized Constraints for Group Recommendations

Kostas Stefanidis, Evaggelia Pitoura|arXiv (Cornell University)|Feb 26, 2013

Recommender Systems and Techniques参考文献 14被引用 3

一句话总结

本文提出了一种广义约束模型，用于群体推荐，该模型基于项目相关性与人际兼容性约束，选择最优用户群体。该方法提出一种贪心算法，通过迭代添加能最大化群体共识且满足用户定义与系统级约束的用户，确保群体形成过程中具有较高的集体满意度与兼容性。

ABSTRACT

Recently, group recommendations have attracted considerable attention. Rather than recommending items to individual users, group recommenders recommend items to groups of users. In this position paper, we introduce the problem of forming an appropriate group of users to recommend an item when constraints apply to the members of the group. We present a formal model of the problem and an algorithm for its solution. Finally, we identify several directions for future work.

研究动机与目标

• 解决当前群体推荐系统中未考虑用户对群体构成偏好的问题。
• 形式化用户与项目、用户与群体以及群体与群体之间兼容性的约束，以支持群体形成。
• 开发一种算法，选择既对推荐项目感兴趣，又彼此兼容的用户群体，基于约束条件进行筛选。
• 通过平衡项目相关性与人际兼容性，最大化群体的集体满意度。

提出的方法

• 本文将用户偏好建模为对项目属性的约束（用户-项目）以及对群体成员属性的约束（用户-群体与群体-群体）。
• 提出一种贪心算法，逐个选择用户，优先选择在加入后能最大化满足约束数量或最小化违反约束数量的用户。
• 通过评估用户加入对约束满足的影响，使用一种评分机制，综合考虑个体与集体约束的满足程度。
• 支持灵活的约束类型，包括基于取值的偏好（如年龄、教育程度）和基数约束（如40岁以上用户数量最少为若干人）。
• 整合用户级与系统级约束，例如公司偏好中年或老年旅行者。
• 当达到期望的群体规模时，算法终止，确保最终群体满足尽可能多的约束。

实验结果

研究问题

• RQ1 如何扩展群体推荐系统，使其不仅考虑项目相关性，还考虑群体成员之间的人际兼容性？
• RQ2 何种形式化模型能够表示群体构成中多样的约束，包括用户对其他群体成员的偏好？
• RQ3 如何设计一种高效算法，形成满足最多约束的群体，同时最大化群体对推荐项目的集体兴趣？
• RQ4 在平衡项目相关性与群体兼容性时，特别是在无群体能完全满足所有约束的情况下，会面临何种权衡？

主要发现

• 所提出的贪心算法能有效形成满足大量用户级与系统级约束的用户群体，同时最大化群体对推荐项目的集体兴趣。
• 该算法在选择群体成员方面表现出色，不仅确保成员对项目有高个体兴趣，还满足人际兼容性约束。
• 该方法支持灵活的约束建模，包括基于取值的偏好（如年龄、教育程度）和基数约束（如40岁以上用户数量最少为若干人）。
• 即使无群体能完全满足所有约束，该方法仍能通过优先选择违反约束最少的群体，实现对群体的项目推荐。
• 该算法具有可扩展性，适用于现实世界应用，如旅游套餐与课程推荐，其中群体兼容性至关重要。