本论文是一篇用户类论文查重软件,关于推荐系统交互性综述相关毕业论文参考文献格式范文。免费优秀的关于用户及系统及电子商务方面论文范文资料,适合用户论文写作的大学硕士及本科毕业论文开题报告范文和学术职称论文参考文献下载。
摘 要：推荐系统扮演着指导用户个性化决策的角色,帮助用户发现符合自己兴趣的信息.在过去的10多年中人们从多个角度对推荐系统进行了研究：预测精度,算法的可扩展性,知识来源,推荐项目和任务的类型,评测方法等.已有的研究工作大多集中在推荐算法上,在从用户角度设计系统和用户与推荐系统的交互方面的研究并不多.本文将总结分析个性化推荐领域中交互性的现状,探寻有效的交互设计方法,并尝试给出该方向未来有价值的研究点和自己思考.
关键字：人机交互；推荐系统；用户界面；交互查询
中图分类号：TP31文献标识码：JDOI：10.3969/j.issn.1003-6970.2013.08.059
本文著录格式：[1]杨淑梅.推荐系统交互性研究综述[J].软件,2013,34（8）：154-158
0引言
自1995年斯坦福大学的MarkoBalabanovic等人在同一会议上推出了个性化推荐系统LIRA以来,推荐系统得到广泛应用并取得了良好的成效.国内外互联网已经出现众多个性化推荐产品,涉及领域包括电子商务、新闻、音乐和电影等,如亚马逊（Amazon）的图书推荐网站、豆瓣音乐和潘多拉（Pandora）的音乐推荐网站、Netflix电影推荐网站、通过分析人帮助用户做决定的Hunch网站、推荐视频的网站Hulu等.
个性化推荐系统已经成为目前解决信息过载问题最有效的工具,其本质是信息过滤.它通过建立用户与信息产品之间的二元关系,利用已有的选择过程或相似性关系挖掘每个用户潜在感兴趣的对象,进而进行个性化推荐.对推荐系统的分类并没有统一的标准,很多学者从不同角度对推荐方法进行了不同的划分.但主流的推荐方法基本包括以下4种：基于内容推荐、协同过滤推荐、基于知识推荐和混合推荐.推荐系统是数据挖掘系统的一类,但它又与其他数据挖掘系统不同,这主要体现在推荐系统的实时性和交互性上.推荐系统主要面向的是用户,它不但根据用户以往的历史记录,更需要依据当前一段时间的行为数据给出实时反馈,并不断与用户进行交互,对用户反馈进行分析来修正和优化系统的推荐结果.
交互设计是指对产品、环境和系统的运行方式,以及传达这种运行方式的外观界面等的设计与定义.交互性设计实现了用户与系统之间的对话,以及用户以系统为媒介而进行彼此间的交流.一个在线推荐系统（RS）的推荐准确性大多依赖于它底层的算法,然而推荐系统最终的有效性却不仅与算法的质量有关.推荐系统的目标是给用户介绍他们可能感兴趣的物品,并说服用户尝试这些物品.研究显示,一个有效的推荐系统,能激发用户对系统的信任,有透明的系统逻辑,给用户推荐新的而不是他们已知的物品,提供推荐物品的详细信息,提供改进推荐的途径,用户愿意与系统进行跟多的交互已得到更有效的推荐[1].
1交互信息可视化一级标题
交互信息可视化（interactiveinformationvisualization）和推荐技术都是解决信息过载的有效途径.交互可视化的主要优点在于一个多维的呈现能让用户更容易了解到数据的多方面信息[2].传统推荐方法是提供一个按照兴趣排序的清晰的物品列表.对推荐进行解释来提供系统透明性和增强用户信任也得到了大量的研究[3].多数情况下,这些解释是以纯文本的形式出现,向用户指出：“因为你选择了或高度评价了：电影A”.可视化推荐不仅能支持系统透明度,还可以让用户通过与系统交互来获得搜索过程中的自主性和控制能力,这方面的研究已经有一些.
已有的可视化推荐的研究主要集中在协同过滤推荐系统的交互上.比如PeerChooser[4],一个可视化的交互推荐平台,它是利用图形来呈现用户和推荐项目之间关系的协同过滤推荐系统.一些社交推荐系统对标签特别关注,这方面的代表是SFViz（SocialFriendsVisualization）[5],将用户和用户兴趣之间的连接可视化,帮助用户找到与他们有相似兴趣的潜在的朋友.该系统用到了一种径向空间填充技术（RadialSpace-Filling,RSF）,利用边缘捆绑将一个标签树和一个圆型布局可视化,进而展示社交网络.
可视化方法能超越传统的以文本列表或上下文注释呈现推荐结果的形式,而且不同的可视化界面会影响到用户对推荐结果的评价[6].一些研究表明可视化推荐对提供用户满意度和增加用户与系统的交互都有积极的影响[7].比较典型的可视化推荐系统是匹兹堡大学的PAWS实验室开发的ConferenceNavigator和CoMeT（CollaborativeManagementofTalks）.
ConferenceNavigator是一个服务于学术会议的与会者的系统,它除了提供一般的信息如会议列表,会议日程以及允许用户设置自己感兴趣的讨论,用户之间还可以互相关注来建立联系.但这个会议导航系统的特色在于它能够以可视化的形式展现聚集的用户行为（图1）,比如关注较多的论文的排序,最活跃的用户,活跃用户所在的单位或机构等.CoMeT聚集了匹兹堡地区主要是匹兹堡大学和卡内基梅隆大学里的公开学术演讲和学术讨论信息,该系统也可采用视化的方式（图2）将一些社会化聚集数据展现给用户,比如每个主题讨论收到了多少用户的访问、邮件或被加为书签.CoMeT允许用户进行交互性操作来搜索所有有效的讨论.与讨论相关的社会活动和时间限制使得对他们做可视化推荐由于文本列表推荐,前者更直观,可交互的信息更丰富,且系统解释性也得到了改善.用户可以与推荐结果进行交互,将其他社会化信息与结果结合来调控系统的输出.这种输出后的交互增加了推荐的灵活性和用户可控性,是从用户角度出发的一种友好设计.
虽然相关研究强调了可视化交互在提高用户满意度的积极作用,但可视化的研究还存在局限性.它局限于电影推荐,一个已经得到深入发掘的领域且该领域的成果并不能普适性转嫁到其他领域.因此还需要进一步拓展可视化的研究范围.2推荐界面
推荐系统将用户对某些项目的意见用于信息域的处理,进而帮助用户选择其他项目.从众心理的文献表明,在帮助人们做出选择的过程中,这些系统可能会影响用户对项目的意见.如果人们的意见受到了推荐的影响,将其用于向其他人做推荐时这些意见的价值就会缩水.此外,寻求使系统人工地产生高或低的推荐的操纵者,可能会从中受益,如果他们的努力会影响用户改变他们的推荐意见.
文献[8]认为推荐系统的评价界面会影响到用户的观点以及他们表达自己的能力.该研究对可能影响用户意见的推荐系统的两种界面进行了研究,它们分别是评定量表和用户评分时显示预测的界面.研究结果显示,在评定量表中用户的评分相当一致.然而,用户可以被操纵,倾向于做出与系统预测一致的评价,不管预测是否正确.另一方面,用户对操纵预测的系统还是能察觉到的.好的推荐能激起用户的信任并帮助用户找到真正想要的东西.同时,一个设计良好的界面使商家收集到用户的偏好信息并给每一位用户提供适合的推荐商品,商家和用户都能从中获益.
2.1推荐界面的设计会影响用户的评分
目前,研究界面在推荐系统中的作用的工作还较少.Herlockeretal.研究了怎样解释推荐能说服用户信任系统[9],SwearingenandSinha发现用户信任那些推荐的产品是用户知会喜欢的系统[10].对界面缺乏关注给用户带来了一定的危害.推荐系统通常会在做推荐的同时提供被推荐的信息,包括描述信息、其他用户或专业评论员写的评论、平均评分以及对当前用户评分&
用户类论文范文数据库,与推荐系统交互性综述相关论文查重软件参考文献资料：
13888888888
点击咨询 