84、群体推荐系统：结合个体模型

群体推荐系统：结合个体模型

1. 群体推荐系统概述

在群体推荐系统中，用户通常并不知晓其他用户的评分以及所使用的聚合策略。例如，在 CATS 系统里，用户通过反馈来表明度假所需具备的特征。对于某些特征，用户会指出是否为必需项（如是否需要有滑冰项目）；对于其他特征，用户会说明具体的数量要求（如至少需要 3 个滑雪缆车）。该系统的群体模型涵盖了所有用户的需求，然后推荐满足最多需求的项目。同时，用户还能彻底排除某些度假选择，所以这种策略具有“无痛苦”的特点。

需要注意的是，YU 的电视推荐系统和旅游决策论坛在聚合每个特征的偏好时，并未考虑公平性原则，即某一特征上的损失不会因另一特征上的满足而得到补偿。

虽然对 MUSICFX、POLYLENS 和 CATS 进行了一些探索性评估，但尚未研究这些系统的策略实际效果如何，以及采用不同策略会产生怎样的影响。后续的实验将为这个问题提供一些线索。

2. 哪种策略表现最佳

为了探究哪种聚合策略效果最佳，进行了一系列实验：
- 实验 1 ：采用“用户即向导”的评估方法，让参与者根据给定的个体评分（与表 21.1 相同），决定在有不同观看数量限制（1 - 7 个项目）时，群体应该观看哪些项目。结果发现，参与者关注公平性、避免痛苦和饥饿感（例如“这个给玛丽，因为她到目前为止还没看到喜欢的”）。参与者的行为体现了多种策略（如平均策略、最小痛苦策略和无痛苦平均策略），而其他策略（如博尔达计数法、柯普兰德规则）则未被采用。
- 实验 2 ：给参与者提供由聚合策略选择的项目序列以及个体评分，让他们对群体成员对这些序列的满意度