心理学如何用于推荐系统？RecSys2022《心理学信息推荐系统》教程，附Slides与书籍

个性化推荐系统是促进人类决策的重要工具。大多数最先进的推荐系统使用先进的机器学习技术，从行为数据建模和预测用户偏好。虽然这样的系统可以提供有用的建议，但它们的算法设计没有纳入塑造用户偏好和行为的潜在心理机制。在这个跨学科的教程中，我们引导与会者通过最先进的心理学信息推荐系统(PIRS)，即，考虑外在和内在的人为因素的推荐系统。我们涵盖了认知激励、个性感知和情感感知的推荐方法;我们展示了这样的系统如何以高度以人为本的方式改进推荐过程。

https://socialcomplab.github.io/pirs-psychology-informed-recsys/

在过去的二十年中，推荐系统的研究已经成为计算机科学中的一个新兴领域(Ricci et al.， 2011)。在线市场、在线社交网络、在线协作平台和在线社交信息系统(Caverlee et al.， 2010)的出现，催生了为用户提供推荐的需求，以帮助他们应对在线信息和商品的增加(Liu et al.， 2014)。大量的工作已经从广泛的角度解决了推荐系统的研究。推荐系统手册(Ricci et al.， 2015)或推荐系统简介(Jannach et al.， 2010)等资源提供了该领域的全面概述。评论文章(Jannach et al.， 2012)也是如此。最近的调查提供了可解释推荐(Zhang, Chen et al.，2020年)、推荐系统中的深度学习(Xu et al.，2020年)、对对抗推荐系统(Deldjoo et al.，2021b)或对话推荐系统(Jannach et al.，2020年)的简明概述。

推荐系统的早期工作是受到这样一种观察的启发，即人类倾向于根据其社会环境提供的推荐做出决策(Ricci et al，2011)。相应地，作为推荐系统开发的第一个算法旨在模仿这种行为(Resnick和Varian, 1997;Ricci et al，2011)。在21世纪初，心理学模型在推荐系统研究中的应用得到了广泛的关注。Gustavo Gonzalez, Timo Saari和Judith Masthoff进行了开创性的工作，他们利用用户的心理特征来改进推荐过程。为此，Gonzales等人(González et al，2002;González et al.， 2004)考虑用户的情感方面来生成个性化的推荐。Saari等人(Saari et al.， 2004b; Turpeinen和Saari, 2004;Saari et al，2004a;Saari et al，2004a;Saari et al.， 2005)设计的推荐系统结合了用户的情感和注意力，以及其他相关的结构，以提供推荐(Nunes, 2008)。Masthoff等人(Masthoff, 2004b;Masthoff, 2004;Masthoff, 2005;Masthoff and Gatt, 2006)，评估了个体用户的用户满意度，并预测了向用户组推荐项目序列时的群体满意度。他们的直觉是，推荐列表中的前几个推荐会影响用户的情绪。这种情绪反过来又会影响用户对推荐列表中下一个项目的看法(Nunes, 2008)。Felfernig等人(2007)利用决策心理学的见解对在线买家行为进行了更深入的理解，并改进了基于知识的推荐系统。

个性化的推荐系统在当今的网络世界中已经变得不可或缺。目前大多数推荐算法都是数据驱动的，基于行为数据。虽然这样的系统可以产生有用的建议，但它们通常是无法解释的黑箱模型，在算法的设计中没有纳入用户行为的潜在认知原因。本调查的目的是对利用心理结构和理论来建模和预测用户行为并改进推荐过程的推荐系统的最新技术进行彻底的回顾。我们称这种系统为心理信息推荐系统。该书确定了三类心理信息推荐系统:认知激励型、个性感知型和情感感知型推荐系统。此外，对于每个类别，我们都强调了心理学理论在其中发挥关键作用的领域，因此在推荐过程中会被考虑在内。由于推荐系统是支持人类决策的基本工具，我们还讨论了影响用户和推荐者之间交互的选择决策心理现象。此外，我们讨论了从用户角度研究推荐系统评估的相关工作，并强调了以用户为中心的评估框架。在本调查的最后，我们讨论了未来工作的潜在研究任务。**

****在本综述文章中，回顾了推荐系统社区的研究方向，这些研究方向用心理构造丰富了数据驱动的推荐技术，以设计或改进推荐系统。**我们称这种系统为心理信息推荐系统。本次调查的组织如下。在1.2节中，我们首先介绍了常见的推荐系统方法，然后在1.4节中，简要描述了我们的调查方法和研究范围。接下来，在第二节中，我们回顾了心理信息推荐系统的相关工作，我们将其分为认知灵感型、个性感知型和情感感知型推荐系统。此外，在第3节中，我们回顾了研究用户与推荐系统交互时所产生的各种决策心理现象的工作。此外，在第4节中，我们讨论了从用户角度研究推荐系统评价的工作。我们在第5节中总结了主要发现和未来工作的可能方向。