一项关于音乐推荐系统的新用户研究表明，虽然用户可以感知推荐曲目列表中受欢迎程度构成的差异，但他们并不一致地偏爱经过校准的列表。研究还发现，诸如 Jensen-Shannon 散度 (JSD) 等受欢迎程度校准指标的有效性不一致，并且取决于项目熟悉度和用户历史可用性等因素。此外，计算出的受欢迎程度标签与用户自己对受欢迎程度的判断仅有微弱的一致性，这表明需要更批判性地理解校准作为一种指标和面向用户的特性。 AI
影响 研究结果表明，推荐系统中当前的受欢迎程度校准方法可能与用户偏好不符，这可能会影响未来个性化算法的设计。
排序理由 研究论文发表在 arXiv 上，详细介绍了关于推荐系统的用户研究。[lever_c_demoted from research: ic=1 ai=0.7]
在 arXiv cs.IR (Information Retrieval) 阅读 →
- alphaXiv
- arXiv
- CatalyzeX Code Finder for Papers
- Connected Papers
- DagsHub
- Doctor of Juridical Science
- Gotit.pub
- Hugging Face
- information retrieval
- Litmaps
- ScienceCast
- scite Smart Citations
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
