将朋友纳入推荐系统循环：一项探索性研究

推荐系统（RS）作为一种计算机支持的信息过滤系统无处不在，影响着我们的饮食、观影甚至喜好。在线推荐系统中，用户与系统的交互形成反馈循环：用户根据RS提供的推荐采取行动，RS则相应更新其推荐。随着这种交互增加，推荐同质化问题加剧，严重损害用户体验。面对这一长期问题，新兴的社交电商提供了一个新解决方案——将朋友的推荐纳入循环（friend-in-the-loop）。本文通过对在中国领先的社交电商平台贝店进行混合方法探索性研究，揭示了friend-in-the-loop相比单纯RS能为用户提供更准确和更多样化的推荐，并显著缓解算法同质化。我们的定性结果表明，引入朋友的外部知识、消费者的信任和共情是这些好处的原因。总体而言，我们阐述了friend-in-the-loop全面惠及用户和RS，是解决推荐同质化的有前景的HCI解决方案，为设计未来人机协作模型提供了深刻启示。