flyada的个人博客分享 http://blog.sciencenet.cn/u/flyada

博文

[转载]个性化推荐的十大挑战之八:用户界面与用户体验

已有 3070 次阅读 2012-4-5 16:06 |个人分类:随手摘录|系统分类:科研笔记|关键词:用户| 用户 |文章来源:转载

挑战八:用户界面与用户体验

 

这个问题更多地不是一个学术性质的问题,而是真实应用的问题。十年前就有学者指出[45,46],推荐结果的可解释性,对于用户体验有至关重要的影响——用户希望知道这个推荐是怎么来的。在这个意义上,协同过滤有明显的优势,譬如亚马逊基于商品的协同过滤在发送推荐的电子邮件时会告诉用户之所以向其推荐某书,是因为用户以前购买过某些书。相对地,矩阵分解或者集成学习算法就很难向用户解释推荐结果的起源。用户更喜欢来自自己朋友的推荐而不是系统的推荐,这一点在后面还会详细提到。另外,推荐列表往往含有很多项,这些推荐项最好能够区分成很多类别,不同类别往往来自于不同的推荐方法,譬如看过还看过(浏览过本商品的客户还浏览过的商品)、买过还买过(购买过本商品的客户还购买过的商品)、看过最终购买(浏览过本商品的客户最终购买的商品)、个性化热销榜(个性化流行品推荐)、猜你喜欢(个性化冷门商品推荐)等等。当然,如何更好呈现推荐,是一个很难建立理论模型和进行量化的问题,对于不同被推荐品而言,用户界面设计的准则也可能大不相同。建立一个可以进行A/B测试的系统,或可积累重要的实验数据。

 

[45] R. Sinha, K. Swearingen, The role of transparency in recommender systems, in: Proceedings of the CHI'06 Conference on Human Factors in Computing Systems, 2002, pp. 830-831.

[46] A. D. J. Cooke, H. Sujan, M. Sujan, B. A. Weitz, Marketing the unfamiliar: the role of context and item-specific information in electronic agent recommendations, Journal of Marketing Research 39 (2002) 488-497.



http://blog.sciencenet.cn/blog-636598-555674.html

上一篇:[转载]个性化推荐的十大挑战之七:推荐系统效果评估
下一篇:[转载]个性化推荐的十大挑战之九:多维数据的交叉利用

0

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备14006957 )

GMT+8, 2019-10-16 10:09

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部