论文将好奇心理论公理化,推荐系统实测显著提升点击与观看
_reachsumit · x · 2026-11-13
NYU 研究者 Pan Li 与 Alexander Tuzhilin 的 arXiv 论文《When Does a Recommendation Spark Curiosity?》把「信息缺口好奇心理论」形式化为五条公理,构建了可计算的「推荐条目激发好奇心」度量。
- 验证:问卷研究显示该度量与用户自我报告的好奇心吻合,优于现有代理指标
- 应用:将好奇心度量引入推荐系统的效用函数设计,在三个真实数据集的离线实验中显著超越 SOTA 方法
- 在线实验:在一家亚洲大型视频流媒体平台的 A/B 测试中,显著提升点击率、视频播放量等指标
论文论点是:好奇心能突破「只按相关性推荐」造成的过滤气泡,值得被正式纳入推荐算法,而非停留在定性理论。
「研究」频道最新
- OpenAI 千页 Yang-Mills 证明遭专家首次评估:尚未完全过关 — mishig25 · 2026-11-13
- 拭子采样96处:IIT马德拉斯绘出钦奈地铁微生物图谱 — ravi_iitm · 2026-11-13
- ICLR 2027 共 38101 篇投稿：750 个论文名被多篇重用 — zetalyrae · 2026-11-13
- 开源 AI 文本检测器 ParaTrace v8 登 RAID 榜第五,TPR 达 99.2% — AltruisticCouple3491 · 2026-11-13
- LLM 量化入门路线图:9 篇必读论文按序整理 — East-Muffin-6472 · 2026-11-13
- HF 研究员开源 Ettin 系列重排器：6 档尺寸、各规模 SOTA、附完整训练配方 — antoine_chaffin · 2026-11-13