算法式内容推荐系统设计的比较研究

《ACM Transactions on Recommender Systems》：A Comparative Survey Of Algorithmic Feed Recommendation System Designs

社交媒体推荐算法依赖多利益相关方设计，以最大化用户使用而非相关性。研究通过定性分析主流平台文档，揭示其内容筛选机制、排名特征及四大算法特质（时效性、参与度、信息茧房、商业价值平衡），并以X平台开源算法为案例验证。

　　

摘要

社交媒体平台在向用户推送内容时高度依赖算法驱动的推荐系统。与学术界通常研究的内容推荐系统不同，社交媒体的推荐算法涉及多方利益相关者，其设计目标主要是提升用户的使用频率，而非内容的相关性或用户对内容的偏好。推荐算法的运作方式以及向用户推荐的具体内容，正受到公众和立法者的越来越多的关注。为应对这种监督，各大公司提高了自身系统的透明度，尤其是推荐算法的透明度。为了便于对比这些新公开的系统，我们通过对原始文档进行定性分析来研究社交媒体推荐算法。我们的研究揭示了不同应用程序所做出的关键设计决策，以及这些决策所带来的算法特性。研究重点包括推荐内容的筛选方式、用于排序的算法功能、四种核心算法特性，以及能够体现这些特性的评估指标。此外，我们还对某款社交媒体平台最近开源的推荐算法进行了案例分析，特别关注我们在整体研究中发现的该算法的关键特征和特性。