2019年10月21日下午两点，中国营销工程与创新研究中心(以下简称“MEI”)2019-2020年第一学期第8次研讨会(以下简称“Seminar”)在MEI如期举行，参与本次研讨会的有黄敏学老师、朱华伟老师及MEI各位成员。

　　本次Seminar由郭瑞静研读文章《Making Recommendations More Effective Through Framings: Impacts of User- Versus Item-Based Framings on Recommendation Click-Throughs》。

　　图一 郭瑞静分享文章

　　借助互联网技术的快速发展，人们进入到了一个前所未有信息爆炸的时代，麻省的科学家统计过，仅2008年人类大约创造了近10亿张DVD能够存储的数据。这等同于过去5000年人类创造的数据，他们预测2018年几秒钟就有这么多数据产生，而人们更是穷极一生都无法把几秒钟就产生的数据全部看完，正是这种情况下，推荐系统应运而生。它帮助用户在海量的数据中更好的找到匹配信息。在以往的研究中，人们将目光较为集中于推荐算法的优化或推荐产品的特性上，鲜有研究关注推荐框架(recommendation framing)。故本文着重研究推荐框架，并将其分类成基于用户(User-based)的推荐和基于产品(Item-based)的推荐，讨论哪种推荐能带来更好的点击率?为什么?

　　基于用户的推荐(User-based)是若系统判定两用户具有偏好相似性，则会把其中一位用户看过的产品推荐给另一位用户，常用的语句是“看过这件商品的用户也看过......”。与之相反，基于产品的推荐(Item-based)无关用户，仅根据商品本身的特性和用户的浏览历史进行推荐。举例如下图所示，图二基于用户的推荐，系统判定两用户偏好相似，则会把其中一人喜欢的可乐也推荐给另外一个人。图三基于产品的推荐，用户购买了披萨，系统认为披萨和沙拉同属一类产品，所以便把沙拉也推荐给用户。

　　图二 User-Based Framing

　　图三 Item-Based Framing

　　研究结果表明，相对基于项目的推荐框架，基于用户的推荐能带来更高的点击率，这是由于后者给用户提供了额外的信息价值，即用户认为系统推荐的商品与他们的偏好相匹配。并且作者提出了三个边界条件(产品吸引力、用户购买经验、与其他用户的差异)可能会减少基于用户的推荐框架的有效性。具体来说，是当产品的吸引力越小、用户购买经验越丰富、与其他用户的差异越大时，基于用户的推荐框架相对于基于项目的推荐框架的优势减少了，因为这些条件可能会使用户认为系统的偏好匹配度较低。

　　至此，本次Seminar文章研读完毕。

　　之后刘通分享了最近的研究进展，对于广告图片的信息挖掘更进一步，老师帮助其顺清思路，提供了许多宝贵的意见。黄如瑶展示了会员制方面研究的文献阅读，老师鼓励其不畏艰难，认真思考找到有趣的研究问题。

　　本学期第八次Seminar圆满结束。

　　文字/王慧琪

　　供图/鄢敏锐

　　审核/陈晶晶

　　网站编辑 / 王宇雨