[發明專利]一種基于計算實驗的推薦系統驗證方法

在審

• 申請號: 202111473796.9
• 申請日: 2021-12-02
• 公開（公告）號: CN114168465A
• 公開（公告）日: 2022-03-11
• 發明（設計）人: 周顯;薛霄
• 申請（專利權）人: 天津大學
• 主分類號: G06F11/36
• 分類號: G06F11/36
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 韓帥

本發明公開了一種基于計算實驗的推薦系統驗證方法，所述方法是基于推薦系統單元、用戶選擇處理單元和數據處理單元，其特征在于：所述用戶選擇處理單元根據網絡在線用戶的行為習慣通過如下步驟實現對推薦系統在線交互過程；其中：通過獲取推薦系統結果和用戶主體的歷史選擇的向量表示；根據用戶主體的行為選擇模型對基于標簽相似度的推薦系統主體、協同過濾推薦系統主體和多樣性推薦系統主體的推薦結果進行概率計算；用戶主體根據概率判斷是否對推薦結果進行選擇，滿足選擇條件則將用戶主體的選擇結果反饋給推薦系統用于調整用戶模型；否則返回上一步；本發明在推薦系統上線前能夠掌握最新的算法數據和用戶數據提供可能，為使用平臺治理提供保障。

技術領域

本發明屬于推薦系統的服務計算領域，涉及一種基于計算實驗的推薦系統驗證方法。

背景技術

從第一個推薦系統Tapestry的建立開始，推薦系統的應用已經持續了將近三十年。通過多年的發展與完善，推薦算法已經造就了自己在互聯網行業中的重要地位。智能搜索、電子商務平臺、短視頻應用、新聞推送、社交媒體平臺，幾乎所有的網絡媒體平臺都或多或少地使用了推薦系統。推薦系統的廣泛應用讓更多的人減輕了信息選擇的負擔，更重要的是，它為科技公司帶來的經濟效益是不可估量的。正因為這些，對于推薦系統的研究，一直是一個行業流行的課題。但是目前，研究者們主要還是關注用戶選擇影響推薦系統這一過程，即利用用戶數據提升推薦系統性能。但卻較少關注推薦系統影響用戶這一過程，即推薦系統通過其運行機理與推薦模型影響用戶行為或認知(如圖1)。對于這兩個過程研究不平衡的關注亟待改變。

目前，推薦系統的泛濫式發展對人們的影響已經越來越廣泛。媒體信息推薦影響人們對信息的選擇、智能導航推薦影響人們的出行、購物平臺的商品推薦影響用戶購買等。智能推薦主體的設計初衷通常是對人們是有益的，因此，科學家創建主體解決特定的推薦任務時，他們通常關注于確保主體預期的功能，但是推薦主體可能產生的意外后果，可以表現出對人們行為或認知的改變，可能是積極的或消極的，這是推薦主體的創造者沒有預料到的。因此，為了能夠預測推薦系統產生的后果并對推薦系統進行有效地監管，對推薦系統的行為機理進行研究，以及探究其對人們產生的影響是非常有必要的。

推薦系統對用戶的影響的研究，包含推薦系統如何影響用戶以及推薦系統會對用戶造成什么樣的影響這一個新穎的課題，已經有研究者開始關注并提供了自己的分析和見解。有研究者定性的闡述了推薦系統影響用戶行為和認知的可能性，為后續研究提供理論思路。同時，還有研究者從分析推薦系統上的用戶數據集入手，分析在推薦系統所造就的數據環境下，用戶選擇結果的變化。他們的研究為該課題的后續發展提供了寶貴的建議。但是，他們仍然存在相應的問題。具體問題主要包括，研究缺乏對推薦系統如何影響用戶這一過程詳細的分析。推薦系統數據集時間跨度較長，數據的時間節點不顧緊湊，這樣導致的結果就是研究不能排除現實環境對用戶選擇的影響。對于推薦系統對用戶未來的影響變化缺乏預測。如果需要解決這些問題，則面臨著如下挑戰：1)如何對推薦系統進行統一分析：推薦系統具有多樣性的特征，單獨地對每一種推薦策略進行分析是一項幾乎不可能完成的任務，因此，能夠將各種推薦策略按照某種方式進行分類，然后在類別中統一地分析推薦系統的行為機理至關重要。2)如何排除現實因素的影響：數據集中總會引入用戶從現實環境中獲得的對推薦內容的選擇的指導，因此，如何排除這種噪聲而降低研究的不確定性是一個難點。3)如何長期而不間斷的對推薦系統進行跟蹤：由于推薦系統對用戶的影響是一個長期的過程，但是，如果不使用分析數據集的方法，那么對這一長期過程的跟蹤將是非常困難的。同時，還應強調時間這一過程的連續性以降低研究的不確定性因素。

因此，為了應對上述挑戰并對推薦系統對用戶選擇結果多樣性的影響進行研究，我們提出了一種新的研究方法-計算實驗，我們創建用戶主體，并根據用戶的行為習慣設計他的選擇模型，使其與真實的推薦策略進行交互，在交互的過程中，利用我們精心設計的指標對交互產生的結果進行分析。該研究方法不僅徹底隔離了現實環境中的噪聲，降低了研究過程的不確定性。同時，還確保了時間序列上的連續性。最為重要的是，這種方法為推薦系統未來可能產生的影響提供了預測。實驗結果證明，該方法是一個研究推薦系統對用戶影響的有效的方法。

發明內容