群体音乐推荐系统中的公平性感知

文献标题

Perception of Fairness in Group Music Recommender Systems

文献信息

• 主题领域: 协同推荐系统，尤其是群组音乐推荐中的公平性研究
• 关键词: 群组推荐系统、公平性、个性化、用户研究、音乐推荐系统、Spotify API、大五人格、排名算法、用户感知、实验设计

研究背景与问题

• 研究问题: 群组推荐系统（GRS）需要平衡多用户的不同偏好，确保推荐的公平性。然而，不同用户的个性如何影响他们对公平性的感知尚未得到充分研究。
• 研究重要性: 在群组推荐中，用户对系统公平性的感知会直接影响满意度和使用体验，因此了解个性对公平性的影响至关重要。
• 研究动机: 现有研究集中于算法和优化技术，但未探讨个性特质与公平性感知之间的关系。本研究以音乐推荐为应用场景，填补这一研究空白。

解决方案

• 提出方案:

  1. 开发了一个基于 Spotify API 的群组音乐推荐系统。
  2. 设计了两个排名算法（基于时间的排名算法和基于不相似性的排名算法）。
  3. 进行了一项分别使用不同排名算法的实验，调查用户的公平性感知。

• 创新之处:

  1. 首次探讨了用户个性对群组推荐系统公平性感知的影响。
  2. 通过用户实验收集直接反馈，为推荐系统设计提供实证数据。

• 实施步骤与技术:

  • 使用 Spotify Web API 提供个性化和群组推荐。
  • 基于用户个性化偏好计算歌曲排名，包括：
    • 基于时间的算法（按添加时间排序）。
    • 基于内容的不相似性算法（利用 Spotify 音轨属性计算欧几里得距离，并按不相似性分值排序）。
  • 集成了投票机制以增强用户参与感。
  • 使用大五人格问卷调查用户的性格特质。
  • 通过问卷评估用户对公平性的感知及其与算法的关联。

研究成果

• 具体成果:

  1. 开放性性格（Openness）与认为群组推荐中的公平性重要性呈负相关。
  2. 时间排名算法（TIM）被用户认为公平性较差，而基于不相似性排序（DIS）表现更好。
  3. 同时验证了个性特质与公平性感知之间存在显著的联系。

• 优势与比较:

  • 基于不相似性的算法在公平性上比基于时间的算法更受用户认可。
  • 开放性用户倾向于更关注发现新音乐，而非公平性。

• 实验结果:

  1. DIS 算法的平均最低群组比例高于 TIM 算法，进一步说明其公平性表现更好。
  2. 开放性和外向性用户更愿意在群组之外使用推荐的歌曲列表。

• 局限性与未来方向:

  1. 实验仅研究了两种排名算法，未来需扩展到更多类型和复杂度的排名算法。
  2. 长期群组互动与关系对公平性感知的影响尚未深入研究，可作为未来工作的重点。

总结

本研究揭示了个性特质和群组推荐系统公平性之间的重要联系，并验证了某些排名算法在增强用户公平性感知方面的优势。未来可进一步探究群组动态如何影响推荐系统设计，以及如何利用智能算法优化推荐的公平性与用户体验。