用戶(hù)評(píng)分行為建模與理解是推薦系統(tǒng)研究的熱點(diǎn)與重點(diǎn)。用戶(hù)評(píng)分行為是一個(gè)復(fù)雜的心理學(xué)過(guò)程，受多個(gè)心理學(xué)因素的影響。建模與理解用戶(hù)評(píng)分行為，不僅提升用戶(hù)畫(huà)像并指導(dǎo)推薦算法的設(shè)計(jì)與改進(jìn)，還對(duì)互聯(lián)網(wǎng)應(yīng)用、數(shù)字經(jīng)濟(jì)等都具有一定指導(dǎo)與借鑒意義。
大數(shù)據(jù)挖掘與應(yīng)用中心成員針對(duì)用戶(hù)評(píng)分行為中的同化與對(duì)比心理學(xué)效應(yīng)，直面該心理學(xué)效應(yīng)機(jī)理難刻畫(huà)、演化模式難揭示難題，提出數(shù)學(xué)模型精準(zhǔn)刻畫(huà)該心理學(xué)效應(yīng)并揭示其演化模式的數(shù)學(xué)機(jī)理，指導(dǎo)推薦算法的改進(jìn)。首先提出一個(gè)概率模型量化同化對(duì)比心理學(xué)效應(yīng)的重要因素。應(yīng)用隨機(jī)逼近理論揭示評(píng)分聚合反饋意見(jiàn)收斂的充分條件。應(yīng)用非平穩(wěn)馬爾可夫鏈理論揭示評(píng)分聚合意見(jiàn)收斂到一個(gè)穩(wěn)定平衡點(diǎn)的充分條件。這些條件揭示各個(gè)因素如何影響評(píng)分行為的演化模式和指導(dǎo)推薦算法的改進(jìn)。將其應(yīng)用于評(píng)級(jí)預(yù)測(cè)任務(wù)和產(chǎn)品推薦任務(wù)。在四個(gè)公共數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，提出的模型可以改善在 RMSE、NDCG 等各種指標(biāo)下，評(píng)分預(yù)測(cè)和推薦準(zhǔn)確性。
該研究揭示了用戶(hù)評(píng)分行為中同化與對(duì)比心理學(xué)效應(yīng)的數(shù)學(xué)機(jī)理，指導(dǎo)推薦算法的改進(jìn)，也為用戶(hù)畫(huà)像提供理論支撐。相關(guān)研究成果發(fā)表在中國(guó)計(jì)算機(jī)學(xué)會(huì)推薦A類(lèi)期刊IEEE Transactions on Knowledge and Data Engineering。
上述工作得到國(guó)家自然科學(xué)基金、中國(guó)科學(xué)院人才項(xiàng)目、重慶英才青年拔尖人才項(xiàng)目等項(xiàng)目資助。
圖一：評(píng)分行為模型框架圖
論文鏈接：
https://ieeexplore.ieee.org/abstract/document/10173606/authors#authors