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十:社会推荐

已有 3721 次阅读 2012-4-5 16:13 |个人分类:随手摘录|系统分类:科研笔记|关键词:justify,normal| normal, justify |文章来源:转载

挑战十:社会推荐

 

很早以前,研究人员就发现,用户更喜欢来自朋友的推荐而不是被系统“算出来的推荐”[53]。社会影响力被认为比历史行为的相似性更加重要[54,55],例如通过社会关系的分析,可以大幅度提高从科研文献[56]到网购商品[57]推荐的精确度。来自朋友的社会推荐有两方面的效果:一是增加销售(含下载、阅读……)[58],二是在销售后提高用户的评价[59]。社会推荐的效果也不完全是正面的,譬如Leskovec等人[58]在同一篇论文中也报导了一个反例:朋友推荐对书的销售增长几乎没有帮助,有时候还会起到负面作用。国内业界做得最出色的是豆瓣网,其朋友推荐被接受被高度评价的比例非常高,我们的研究也主要是基于豆瓣网的数据[59]。最近有证据显示,朋友推荐也是淘宝商品销售一个非常重要的驱动力量[60]

 

在社会推荐方向存在的挑战主要可以分为三类:

一是如何利用社会关系提高推荐的精确度[55];

二是如何建立更好的机制以促进社会推荐[61,62];

三是如何将社会信任关系引入到推荐系统中[63,64]

 

社会推荐的效果可能来自于类似口碑传播的社会影响力,也可能是因为朋友之间本来就具有相似的兴趣或者兴趣相投更易成为朋友,对这些不同的潜在因素进行量化区别,也属学术研究的热点之一[65]

[53] R. Sinha, K. Swearingen, Comparing recommendations made by online systems and friends, in: Proceedings of the DELOS-NSF Workshop on Personalization and Recommender Systems in Digital Libraries, 2001.

[54] M.J. Salganik, P.S.Dodds,D.J.Watts, Experimental study of inequality and unpredictability in an artificial culturalmarket, Science 311 (2006) 854-856.

[55] P. Bonhard,M.A. Sasse, "Knowingme knowing you"using profiles and social networking to improve recommender systems, BT Technology Journal 24 (2006) 84-98.

[56] S.-Y. Hwang, C.-P. Wei, Y.-F. Liao, Coauthorship networks and academic literature recommendation, Electronic Commerce Research and Applications 9 (2010) 323-334.

[57] P. Symeonidis, E. Tiakas, Y.Manolopoulos, Product recommendation and rating prediction based onmulti-modal social networks, in: Proceedings of the 5th ACM Conference on Recommender Systems, ACM Press, New York, 2011, pp. 61-68.

[58] J. Leskovec, L.A. Adamic, B.A. Huberman, The dynamics of viral marketing, ACM Transactions on Web 1 (2007) 5.

[59] J. Huang, X.-Q. Cheng, H.-W. Shen, T. Zhou, X. Jin, Exploring social influence via posterior effect ofword-of-mouth recommendations, in: Proceedings of the 5th ACM International Conference onWeb Search and Data Mining, ACM Press, New York, 2012, pp. 573-582.

[60] S. Guo, M. Wang, J. Leskovec, The role of social networks in online shopping: information passing, price of trust, and consumer choice, in: Proceedings of the 12th ACM Conference on Electronic Commerce, ACM Press, New York, 2011, pp. 157-166.

[61] M. Medo, Y.-C. Zhang, T. Zhou, Adaptive model for recommendation of news, EPL 88 (2009) 38005.

[62] T. Zhou, M. Medo, G. Cimini, Z.-K. Zhang, Y.-C. Zhang, Emergence of scale-free leadership strcuture in social recommender systems, PLoS ONE 6 (2011) e20648.

[63] J. O'Donovan, B. Smyth, Trust in recommender systemsProceedings of the 10th international conference on Intelligent user interfaces, ACM Press, 2005, pp. 167-174.

[64] P. Massa, P. Avesani, Trust-aware recommender systems, in: Proceedings of the 2007 ACM conference on Recommender systems, ACM Press, 2007, pp. 17-24.

[65] J. He, W. W. Chu, A social network-based recommender system (SNRS), Annals of Information Systems 12 (2010) 47-74.



 



http://blog.sciencenet.cn/blog-636598-555681.html

上一篇:[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, 2019-10-18 05:10

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部