评价标准丰富的电子市场如何在无协同过滤条件下进行推荐？一种可解释的混合强化学习与熵权TOPSIS框架

《Electronic Commerce Research and Applications》：How can criterion-rich e-marketplaces recommend without CF? An explainable hybrid RL and entropy-weighted TOPSIS framework

　　

•混合强化学习-TOPSIS方法将正则化的EWM-TOPSIS与单步值函数学习者相融合。
•目标无关的混合方法相比TOPSIS额外增加了每个推荐列表0.50个相关条目（27.5%）。
•精确的分数分解取代了代理性解释声明。
•原有的0.901结果仅保留为目标辅助复现。
•已测内核延迟在P99下低于1毫秒；生产环境延迟未作声明。

引言

个性化商品推荐是现代电商平台的核心能力。近期的调研记录了推荐系统和电商机器学习领域在方法论上的快速扩展（Roy和Dutta, 2022；Li等人, 2024；Dritsas和Trigka, 2025），而经济推荐系统文献则展示了推荐模型如何针对平台级利润、留存和转化相关目标进行优化（De Biasio等人, 2024）。

两种结构性压力日益塑造着这一设计空间。第一，透明度与数据治理要求以及平台特定的数据共享限制，可能约束对细粒度协同过滤历史的访问，或将其排除在可部署设计之外。第二，电商平台版图的很大一部分——例如自有品牌目录、赞助展示位、冷启动商品界面和边缘服务器端店面——虽然暴露了丰富的商品级商业标准（价格、折扣、评分、评分数量、评论密度、类目结构），但交互信号仍然稀疏、嘈杂，或因治理原因被排除在可部署架构之外。

本文解决的是由这一环境所定义的推荐系统设计问题，即：在没有协同过滤的情况下，如何将可观察商品属性所携带的排序信息与行为学习所携带的自适应、用户画像特定信息相结合，同时保留一条商品级别的审计轨迹，以支持运营者或监管机构的审查。

全文对以下四个术语使用固定含义。无协同过滤（CF-free）场景是指推荐可能不依赖跨用户交互历史，无论是因为此类历史稀疏、受法律限制还是由设计排除。结构信号是指仅从可观察商品属性计算得出的排序信息。行为信号是指从交互反馈中学习的排序信息。排序是可审计的，当每个推荐条目在推荐时都能分解为各信号源的量化贡献。

本文提出的解决方案直接源于这些定义。它通过熵加权TOPSIS排序器路由结构信号，通过表格型Q学习者路由行为信号，保持两个模块独立且可单独检查，并仅在最终线性融合中以固定权重组合其分数。这一架构——混合RL-TOPSIS——被刻意设计得简单。此处，RL指的是γ=0的单步动作值估计器，而非顺序或长时域策略。本文的声明是：在标准丰富的无协同过滤场景中，这种简单性以审计性换取，而不牺牲行为学习的准确性贡献。

组件家族具有互补的局限性。TOPSIS能透明地、无需交互历史地对显式商品属性进行排序，但其排序与用户画像无关（Hwang和Yoon, 1981；Kumar和Pamucar, 2025；B?czkiewicz等人, 2021；Burke, 2002）。行为推荐器能适应个体偏好，但需要交互证据且难以审计（Burke, 2002；Afsar等人, 2022；Li等人, 2010；Shani等人, 2005）。混合电商推荐的综述仍由行为和内容型组件主导，而多准则和RL综述则指出显式的结构-行为集成仍待发展（Bodduluri等人, 2024；Al-Hasan等人, 2024；Monti等人, 2021；Afsar等人, 2022）。

因此，开放的问题是：这些信号是否能在不使用协同过滤的情况下融合，同时保留商品级别的决策轨迹。本框架以精确的分数审计、16 KB值表和实测的400条目内核延迟来回答这一有限问题；协同过滤和深度推荐器仍作为交互丰富场景下的范围边界检验保留（Li等人, 2024；Dritsas和Trigka, 2025）。

本文由三个研究问题引导：

RQ1. 在配对测试下，结合可观察商品属性与隐含行为偏好是否能提升推荐性能，优于任一组件单独表现，并与轻量级非协同过滤基线如何进行描述性比较？

RQ2. 混合优势在训练检查点、仅评估融合权重诊断、目标暴露协议以及相对于纯RL的未来盲偏好漂移中表现如何？

RQ3. 在哪些数据环境下，无协同过滤的RL-TOPSIS架构是合适的，其决策能否在分支和准则两个层面进行解释？

本文做出三项贡献：

• 一种可审计的无协同过滤混合架构及形式化的评估机制。熵加权TOPSIS结构排序器与表格型Q学习行为模块通过透明的线性融合规则耦合，因此每个推荐都能分解为商品级别的结构和行为贡献。配套的亚马逊印度评估机制使可观察和行为效用数学上可分离，从而将信号互补性转化为明确可测试的属性。

• 目标无关的结构-行为互补性证据，在目标场景内。一个50个目录的主要实验使用完整目录动作支持、无目标成员奖励、设计条件配对测试和排序敏感评估。聚合混合优势相对于两个组件均为正，而画像级例外被报告而非隐藏。这些结果是构造性的内部验证，而非在真实生产日志上的性能。

• 显式运行环境特征描述及审计导向的仪表化。边界验证在McAuley亚马逊家居与厨房5-core数据集上、稀疏协同过滤基线以及深度推荐器上识别了交互丰富架构仍然优先的场景。精确的TOPSIS和实现的奖励路径分解，以及显式有界的核心延迟剖析，使所实现的决策规则可审计，而不作因果或生产声明。

贡献声明在表1中得到精确化。在一次针对性的2022–2026年筛查中，最接近的选定对比包括：Pacaon和Ballera（2024）的独立EWM-TOPSIS推荐器、Zhang等人（2022）的学习行为融合以及Cao等人（2025）的个性化单调融合。该筛查是针对性而非系统或穷尽性的，因此新颖性声明相应有限。

本文其余部分组织如下：第2节回顾基于MCDM的排序、基于RL的推荐、电商机器学习方法以及先前的混合架构。第3节规定了框架、双组件基准真值设计和评估协议。第4节呈现主要结果、消融实验、综合稳健性总结、外部边界检查和可解释性审计；扩展诊断推迟至附录。第5节讨论影响、范围和局限性。第6节总结发现并概述未来工作。

**章节摘要**

**多准则决策在推荐中的应用**

TOPSIS（Hwang和Yoon, 1981）通过候选方案在归一化准则空间中与理想解和反理想解的几何接近度进行排序，是应用领域中最广泛采用的MCDM方法之一。近期的一项跨二十年文献计量回顾（2004–2024年，3655篇文章）记录了AHP和TOPSIS等基础MCDM方法的持续跨领域采用及其在混合、AI集成设计中的持续扩展（Kumar和Pamucar, 2025）。

**系统架构**

该框架基于这样一个前提：可观察商品属性和隐含行为偏好携带关于用户感知商品效用的独特、互补信息，有效的推荐器应暴露两个信号源，而非将其压缩为单一端到端学习器。架构通过将两个信号路由至专门的、可单独检查的模块并仅在最终评分步骤中组合它们来实现这一设计。这种分离具有

**主要性能结果**

标题评估将提出的混合方法与各组件单独表现以及朴素基线进行对比，涵盖全部五个用户画像，在行为学习者消耗完完整训练预算之后。30,000轮次的检查点提供了这一最终比较，并锚定后续分析。

最终检查点的比较报告在表5中。在3.5节所述的设计条件、构造标准丰富的评估机制内，混合RL-TOPSIS实现了F1@7为

**讨论**

主要证据支持一个比历史标题更窄但更有信息量的声明。在目标无关的主要协议中，混合RL-TOPSIS达到聚合F1@7为0.331，而纯RL为0.129，纯TOPSIS为0.259。混合与RL之间的差距在全部50个构造目录中均为正；混合与TOPSIS之间的差距较小，34次获胜、4次平局、12次失败。NDCG@7保持聚合排序。该结果在总体上支持结构-行为互补性，但

**结论**

在目标无关的主要实验中，混合RL-TOPSIS达到聚合F1@7为0.331，而单步纯RL学习者为0.129，纯TOPSIS为0.259；NDCG@7给出相同排序。混合与TOPSIS的差距对应于每个七位列表约0.50个额外相关条目，相对F1@7增益27.5%。这一聚合优势为正，但在目录或画像间并非均匀，且TOPSIS在Explorer和Balanced画像中仍然更优。原有的0.901/0.574/0.259

**CRediT作者贡献声明**

?zkan Canay：写作——审阅与编辑、写作——初稿、可视化、验证、软件、方法论、调查、形式化分析、数据整理、概念化、指导。

Cem ?zkurt：概念化、调查、方法论、验证、写作——审阅与编辑。

**伦理声明**

本研究使用公共商品/评论数据集，不涉及新招募的人类参与者、干预或作者收集私人数据。发布的可复现性工件排除了原始审稿人标识符、审稿人姓名、评论标识符、评论文本、图片链接和商品链接。

**生成式AI和AI辅助技术在稿件准备过程中的声明**

在本工作准备期间，作者使用了OpenAI ChatGPT Codex和Anthropic Claude Code辅助代码开发、英文翻译、语言编辑和LaTeX格式化。在使用这些工具后，作者根据需要审查和编辑了内容，并对出版物内容承担全部责任。

**资助**

本研究未获得公共、商业或非营利部门资助机构的专项资助。

**利益冲突声明**

作者声明他们没有已知的竞争性财务利益或个人关系，这些利益或关系可能会影响本文所报告的工作。

?zkan Canay | Cem ?zkurt