论文-Explainable Recommendation for Repeat Consumption

论文来自于：RecSys 2020

摘要：

对推荐item显示适当的解释对于提高推荐系统的说服力和用户满意度至关重要，尽管用户经常在音乐和餐馆重复消费相同的物品，但是现有的研究主要集中在为推荐新item提供解释上。在本文中，我们描述了对重复消费item的可解释推荐的概念。由于在音乐当中重复消费的比例很高，我们根据个人、社会和item三个因素对歌曲推荐提出了九种解释。实验选择了622名参与者，从在线的调查结果中评估了这些解释的有效性。

关键字：

可解释推荐、重复消费、用户研究

1、介绍

为了提高推荐系统的说服力和用户的满意度，为推荐的item给出解释以至于用户知道为什么被推荐成为了重要的研究主题，这样的研究被称为可解释推荐(ER)。在可解释推荐系统中，推荐给用户的商品通常是由用户的历史行为所产生的。各种用户研究报告称，ER使用户能够更准确地选择商品，并提高用户对推荐商品的接受度。

尽管之前的研究中有各种不同的方法产生解释，它们中的大多数都专注于给用户推荐的新的商品生成解释，然而在类似于音乐、视频、餐厅等领域，一个用户通常会消费同一个商品很多次，这种用户行为被称作“repeat consumption”(重复消费）。

在本文中，主要考虑了三个因素：

Personal factor：该因素考虑目标用户和推荐商品之间的交互，例如“Exactly seven years have passed since you visited the recommended restaurant for the first time”

Social factor：该因素考虑所有的用户与推荐商品之间的交互，例如“Just now, the number of unique users watching the recommended video reached exactly 100 thousand”

Item factor：该因素是商品特定的因素，与用户无关，例如“Today, the artist performed the recommended song at a live concert”

根据这些因素，本文提出了九种解释，并通过在线调查的结果来评估它们的有效性。

2、解释的类型

2.1 personal factor

personal factor考虑目标用户与推荐的歌曲之间的交互(本文以推荐歌曲为例子)。当用户重复的听同一首歌时，音乐服务平台会收集用户日志，根据这些日志，本文提出了personal factor的解释类型：

P-first：解释的规则模板为：If exactly x years have passed since user u listened to song s for the first time on the service, u would listen to s

其中x、u、s需要根据收集的用户日志进行填充。

P-last：解释的规则模板为：If exactly x years have passed since user u listened to song s last, u would listen to s

U表示目标用户，s为歌曲，在其他的推荐系统，为对应的item

P-together：这个解释类型是由用户的播放历史中歌曲的共现而产生的，解释的规则模板为：If u listened to s1,just now and has frequently listened to s1 along with s, u would listen to s

歌曲的共现情况可以通过收集的用户日志信息检测到。

本文认为以上三种解释类型会很有说服力，因为它们会让用户通过回想起那些她经常听推荐的歌曲的日子来感到怀旧

P-total：考虑用户的歌曲播放次数，解释的规则模板为：If u‘s total play count for s would reach x by playing s next, u would listen to s

本文认为这种解释类型也很有说服力，因为如果用户知道歌曲的播放次数的信息，用户会感到一种成就感

具体的例子可以参考table1,表格中斜体的部分是可以修改的变量。

2.2 social factor

S-total：解释的规则模板为：If s‘s total play count by all users has reached x, u would listen to s

S-unique：解释的规则模板为：If the number of unique users who have listened to s has reached x, u would listen to s

S-favorite：解释的规则模板为：If the number of users who added s to Favorites has reached x, u would listen to s

本文对上述三种的解释类型的说服力的原因是：，如果用户知道一首熟悉的歌曲被很多用户播放或者加入最喜欢歌曲的列表中，则用户可能会想要听这首歌曲。

2.3 item factor

I-release：解释的规则模板为：If exactly x years have passed since s was released, u would listen to s 本文认为这种解释类型有说服力的原因在于当用户获得歌曲发布时间就会想到歌曲的周年纪念。

I-live：本文认为，当一首歌曲最近在一个音乐厅演奏过，用户可能想要去听，主要是因为用户在听的过程中享受这种live的感觉。解释的规则模板为：If the artist performed s at a live concert x days ago, u would listen to s. 收集与音乐会相关信息的一种方法是对推特进行挖掘，因为参加音乐会的人在推特上发布关于表演的歌曲很常见。

 

这是一篇有关推荐解释的论文，后续会继续更新相关的论文

欢迎关注同名微信公众号“小杨算法屋”，后续多多交流