评估Reddit上叙事驱动的电影推荐

推荐系统已成为日常生活中广泛使用的工具，例如在网络商店或在线电影流媒体平台中寻找产品。然而，在用户已经明确知道自己想要什么的情况下（例如「《指环王》，但置于太空且氛围黑暗」），大多数传统推荐算法难以充分满足这类先验定义的需求。因此，用户建立了专门的讨论板向同伴寻求建议，期望获得符合其需求的产品。本研究着手确定在提供此类叙事描述时，成熟推荐算法计算推荐结果的实用性。为此，我们首先从人工电影建议中众包构建了参考评估数据集。我们使用该数据集评估了五种推荐算法将此类叙事纳入推荐内容的潜力。此外，我们将该数据集公开供其他研究者使用，以推动叙事驱动推荐领域的研究进展。最后，我们使用评估数据集不仅改进了算法推荐效果，还改进了IMDb现有的实证推荐。研究结果表明，当提供相同的先验需求时，所实现的推荐算法与人工建议存在显著差异。然而，通过精心配置的后过滤技术，我们能够将基线表现提升高达100%。这是迈向更精细算法叙事驱动推荐的重要第一步。