22、智能服务系统中的模型与生态分析

智能服务系统中的模型与生态分析

在当今智能互联的时代，新技术不断融入现代服务业，形成了诸如“数据 + 计算能力 + AI 算法 = 智能服务”的新型社会基础设施。在此背景下，传统服务系统逐渐演变为服务生态系统（SE），众多主体共同协作运行。然而，SE 中的智能调节算法虽带来诸多便利，但也引发了诸如内卷、信息茧房等负面效应。本文将围绕 TriSUMS 模型以及基于计算实验的 SE 决策过程分析模型（CEBA）展开探讨。

TriSUMS 模型：考虑社交关系的推荐模型

TriSUMS 是一种动态选择模型，它综合考虑了用户的社会关系以及市场推广过程中的三大主要利益相关者：商家、平台和用户。该模型在提升商品曝光度的同时，兼顾了推荐的准确性和多样性，以满足不同利益相关者的需求。

通过对 TriSUMS 两个变体（TriSUMSw/oS 和 TriSuMS）在 KuaiRec 和 LastFM 数据集上的对比实验，我们能更清晰地看到其优势。以下是具体的对比数据：
| 数据集 | 指标 | TriSUMSw/oS | TriSuMS | 提升率 |
| ---- | ---- | ---- | ---- | ---- |
| KuaiRec | Precision@10 | 0.2528 | 0.2571 | 1.70% |
| KuaiRec | Recall@10 | 0.0132 | 0.0136 | 3.03% |
| KuaiRec | NDCG@10 | 0.2315 | 0.2378 | 2.72% |
| LastFM | Precision@10 | 0.0752 | 0.0776 | 3.25% |
| L