- Анализ и визуализация пространства параметров рекомендательных систем на основе матричной факторизации (arXiv)
Автор: Хао Ван
Аннотация: Рекомендательная система — самая успешная коммерческая технология за последнее десятилетие. Технический гигант, такой как Temu, TikTok и Amazon, использует эту технологию для получения огромных доходов каждый год. Несмотря на то, что существует достаточно исследовательской литературы по повышению точности технологии, объяснимый ИИ по-прежнему является новой идеей в этой области. В 2022 году автор этой статьи дает геометрическую интерпретацию методов, основанных на матричной факторизации, и использует геометрическую аппроксимацию для решения проблемы рекомендаций. В данной статье мы продолжаем исследования в этом направлении и визуализируем внутреннюю структуру пространства параметров технологий матричной факторизации. Показано, что параметры методов матричной факторизации распределены внутри гипершара. После дальнейшего анализа мы доказываем, что распределение параметров не является многомерным нормальным.
2. Темная сторона алгоритмов? Влияние рекомендательных систем на поведение онлайн-инвесторов (arXiv)
Автор: Руйци Рич Чжу, Чэн Хэ, Ю Джеффри Ху.
Аннотация: несмотря на широкое распространение рекомендательных систем онлайн-инвестиционными платформами, эмпирических исследований их влияния на поведение онлайн-инвесторов недостаточно. Используя данные с глобальной платформы электронной коммерции, авторы этого исследования применяют дизайн прерывистости регрессии для причинно-следственного изучения влияния рекомендательных систем на поведение онлайн-инвесторов, особенно в контексте инвестиций в паевые инвестиционные фонды. Результаты показывают, что средства, представленные рекомендательными системами, побуждают к значительно большему количеству покупок. Этот эффект особенно заметен среди неискушенных инвесторов, которые с большей вероятностью будут следовать рекомендациям системы. Дальнейший анализ также показывает, что эти инвесторы, как правило, страдают от значительно худших инвестиционных результатов после покупки рекомендованных фондов. Таким образом, рекомендательные системы угрожают усилить имущественное неравенство среди инвесторов на финансовых рынках.
