36、在线交友与主题公园的个性化体验研究

在线交友与主题公园的个性化体验研究

1. 在线交友中的正负偏好模型

1.1 研究背景与目标

在在线交友领域，为了减少用户被拒绝的风险，研究人员探索了同时建模正负偏好的方法。目标是深入理解负偏好模型如何影响双向推荐系统的性能，通过结合正负偏好来选择和排名推荐，以提高推荐的成功率和降低失败率。

1.2 兼容性分数与用户响应

• 兼容性分数分布 ：研究观察到所有兼容性分数在发送的表达兴趣（EOI）数量上呈正态分布。平均正兼容性分数（0.45，标准差 0.07）高于平均负兼容性分数（0.40，标准差 0.09）。多数 EOI 发生在组合兼容性高于 0.5 的用户之间，这意味着正分数高于负分数。
• 正负偏好对推荐排名的影响 ：为了研究负偏好模型如何避免不期望的推荐，研究选取了既有正偏好模型（至少发送过一个 EOI）又有负偏好模型（至少发送过一次负面回复）的用户。结果发现，结合正负偏好与仅使用正偏好相比，在 P@N 上没有显著差异。一些具有高正兼容性分数和相似高负兼容性分数的推荐会在排名中下降。例如，基于 C+(x, p) 是高度正向的推荐，但由于负兼容性分数 C−(x, p) 同样高，在 C±(x, p) 排名中会被推低。

1.3 不同推荐器的性能分析

• 负推荐器 ：负推荐器的 EOI 精度似乎保持恒定，表明负兼容性分数本身不能为推荐器提供良好的排名。许多用户的负兼容性分数较低，这意味着该模型存在许多平局情况，会损害推荐器的精度。此外，负兼容性模型是