以主观因素为导向的过程可解释的用户偏好挖掘研究

Most of the existing recommendation research focus on modeling the interaction between users and objects (items), which ignore the guiding role of subjective factors (such as emotions, physiological signals, etc.) in the formation of user preferences. To overcome this limitation and transition from the traditional "personalized" design to the new "humanized" design, this project proposes to model interaction between variable subjective factors and relatively stable objective contexts (such as user profiles, object information, etc.); and study the subjective factor-oriented preference mining. Based on the subjective orientation, we further study how to understand and interpret the user preferences during the interaction process. On the one hand, process-oriented understanding and interpretation is a transparent mechanism that supervises and explains changes in the subjective preferences of users. On the other hand, this is an improvement of the existing content-based interpretation and result-oriented explanation methods. In the research program, the project modularizes the functions of each part in a unique way of simulating hardware (such as memory, control units, etc.) to make the research results portable. In summary, the project aims to simulate real users from a cognitive perspective and interpret the formation process of user preferences from a subjective perspective. The research fruits of this project are expected to be applied to related research on human-computer interaction, decision support, or automated machine learning.

现有的推荐研究大多以用户和对象（物品）为中心进行交互建模，忽视了用户的主观因素（如情感、生理信号等）在偏好形成过程中的导向作用。为了克服该局限并从传统的“个性化”设计过渡到全新的“人性化”设计，本项目提出：以易变的主观因素和相对稳定的客观上下文（如用户档案、对象信息等）为中心进行交互，研究以主观因素为导向的偏好挖掘；在主观导向的基础上，进一步研究如何对交互过程中的偏好进行理解与解释。一方面，面向过程的理解与解释是一种对用户的主观偏好变化进行监督与说明的透明机制；另一方面，这是对现有基于内容理解和面向结果解释的两类方法的改良。在研究方案中，本项目以模拟硬件（比如存储器、控制单元等）的独特方式模块化地实现各部分功能，目的是使研究成果具备可移植性。综上所述，本项目旨在从认知的角度模拟真实用户、从主观的角度理解偏好的形成过程；其成果预计可以被应用于人机交互、决策支持、或自动机器学习的相关研究中。

现有的推荐研究大部分关注的是用户和对象（物品）之间的关联，而极少考虑将用户的主观因素放在主体地位实施偏好挖掘。为了解决上述局限，本项目研究以主观因素为导向的偏好挖掘，来理解用户主观偏好的变化并尝试对推荐结果进行解释。本项目的主要研究内容包括三个部分：1）基于用户角度的主观因素分类与表示，该部分定义主观因素，对其进行分类，然后研究各类主观因素的表示方法；2）基于记忆存储的用户偏好挖掘，该部分先考察了传统基于邻域的用户偏好表示，然后分析了记忆存储的优势，并在此基础上设计了模拟记忆存储的主客观交互机制；3）基于主观因素的可持续用户偏好挖掘与解释，该部分使用记忆体存储过程偏好，研究如何跟踪与理解用户主观因素对偏好形成的影响。本项目收集并公开了基于情绪和基于情感的两个用户和对象交互数据集，为基于主观因素的推荐研究提供支持。进一步地，项目组成员提出了若干针对主观因素建模的推荐模型，并在可持续偏好挖掘与理解方面产出了一系列成果。本项目的若干研究成果都是基于真实世界收集的数据，可直接用于实际场景；并且，本项目对基于主观因素的偏好挖掘与理解能被扩展到通用智能系统的可解释研究，有较大的研究前景与科学价值。