arXiv · cs.IR· Pan Li, Alexander Tuzhilin·· 5 小时前精选AI 评分70
研究提出可计算的好奇心度量并构建好奇心感知推荐系统
When Does a Recommendation Spark Curiosity? Theory, Measurement, and Field Evidence
AI 导读
作者将信息缺口理论形式化为五条公理，构建推荐内容所引发好奇心的可计算度量，并通过问卷研究验证该度量与用户自报好奇心一致、优于现有代理指标。基于该度量设计的推荐系统在三个真实数据集上离线实验显著优于 SOTA，并在亚洲一家大型视频流媒体平台的在线对照实验中提升点击率、视频播放量和停留时长，该方法已在该平台部署运行。
推荐理由
论文把信息缺口理论形式化为可计算的好奇心度量，并在亚洲某视频平台完成在线实验与上线部署，读者可据此评估该目标能否迁移到自己的推荐场景。
来源：arXiv · cs.IR · arxiv.org