[论文解读] Result Diversification in Search and Recommendation: A Survey

Haolun Wu, Yansen Zhang+5 more|arXiv (Cornell University)|Dec 29, 2022

Socioeconomic Development in MENA被引用 22

一句话总结

这篇论文提供了一个统一的多样性度量与多样化方法的分类体系，涵盖超百篇文献并概述了未解决的挑战。

ABSTRACT

Diversifying return results is an important research topic in retrieval systems in order to satisfy both the various interests of customers and the equal market exposure of providers. There has been growing attention on diversity-aware research during recent years, accompanied by a proliferation of literature on methods to promote diversity in search and recommendation. However, diversity-aware studies in retrieval systems lack a systematic organization and are rather fragmented. In this survey, we are the first to propose a unified taxonomy for classifying the metrics and approaches of diversification in both search and recommendation, which are two of the most extensively researched fields of retrieval systems. We begin the survey with a brief discussion of why diversity is important in retrieval systems, followed by a summary of the various diversity concerns in search and recommendation, highlighting their relationship and differences. For the survey's main body, we present a unified taxonomy of diversification metrics and approaches in retrieval systems, from both the search and recommendation perspectives. In the later part of the survey, we discuss the open research questions of diversity-aware research in search and recommendation in an effort to inspire future innovations and encourage the implementation of diversity in real-world systems.

研究动机与目标

• 解释为什么在检索系统中多样性很重要及其对用户和提供者的影响。
• 提供一个统一的多样性度量与技术的分类体系，适用于搜索与推荐。
• 总结现有的多样性方法及其在离线和在线环境中的优缺点。
• 确定开放的研究问题以激发未来工作和真实世界部署。

提出的方法

• 提出一个统一的 taxonomy，将跨搜索与推荐的多样性度量和方法分类。
• 将度量分为与相关性无关（relevance-oblivious）和相关性相关（relevance-aware）两类，子类包括基于距离的、基于覆盖的、社会福利以及排名感知等度量。
• 区分搜索中的内在性（intrinsic）与外在性（extrinsic），以及推荐中的个体层面与系统层面多样性。
• 回顾离线与在线的多样化策略，并将其与未解决的研究问题联系起来。
• 提供一个公开仓库中的经典多样化度量实现资源。

实验结果

研究问题

• RQ1 如何在搜索与推荐中定义、衡量并运营化多样性？
• RQ2 评估多样性所涉及的主要度量类别及它们与相关性的关系？
• RQ3 离线与在线环境中提升检索任务的多样性的常用技术有哪些？
• RQ4 在面向多样性感知的搜索与推荐中还存在哪些未解决的问题，如何在真实系统中解决？
• RQ5 统一的分类体系如何帮助研究者和从业者设计与比较多样化方法？

主要发现

• 统一的分类体系在一个连贯的框架中组织了搜索与推荐的多样性度量与技术。
• 多样性度量分为与相关性无关和与相关性相关两类，子类包括距离基、覆盖基、社会福利和排名感知等度量。
• 在搜索中，多样性被表述为外在性与内在性；在推荐中，则是个体层面与系统层面的多样性，凸显不同利益相关者的关注点。
• 存在区分用于衡量列表多样性的度量与在多样性与相关性之间取得平衡的度量，以及公理性考量，如优先级和权重。
• 作者总结了大量文献（超过100篇）并提供了一个多样化度量实现资源。