RecMax：利用推荐系统获取乐趣和利润

近年来，基于协作过滤的推荐系统（RS）变得非常流行。虽然对推荐系统的研究主要集中在提高推荐的准确性，但在本文中，我们关注的是RS的“反面”。也就是说，我们不改进现有的推荐算法，而是询问是否可以使用现有的运营RS来发起有针对性的营销活动。为此，我们提出了一个新问题，称为最大收入其目的是为新产品的营销活动选择一组“种子”用户，这样，如果他们通过提供相对较高的评级来认可产品，那么通过基本RS算法推荐产品的其他用户的数量是最大的。我们激励最大收入使用真实世界的应用程序。我们表明，如果谨慎行事，播种可以产生实质性的影响。我们证明了这一点最大收入不仅是NP-hard用于优化求解，而且是NP-har用于在任何合理因子内进行均匀逼近。考虑到这种困难，我们在3个现实世界数据集上探索了几种自然启发法——Movielens、Yahoo！音乐和笑话，并报告我们的发现。尽管如此，我们还是证明了这一点最大收入很难估计，简单的自然启发法可能会为使用RS的目标营销带来可观的收益。