吴彦文，杜嘉薇，何华卿，冉茂良

（1.华中师范大学国家数字化学习工程技术研究中心；2.华中师范大学 物理科学与技术学院，湖北 武汉 430079）

0 引言

目前的推荐系统可以针对用户自身特点进行智能化感知以满足用户个性化需求，使用户获取的推荐越来越精细化［1］。例如图书推荐系统融合用户的微观行为，为用户推荐书籍。这种精细化的推荐很好地契合了用户历史偏好，但有可能造成算法偏见导致信息蚕茧，如在谷歌搜索“黑人”时会出现暴力新闻［2］。信息蚕茧指用户将获取的信息固着在像蚕茧一般的“茧房”中的现象。由于历史信息原因，推荐系统会为用户反复推荐已浏览过的相似资源。以某视频推荐软件为例，用户某时观看了大量的消极视频，之后首页就经常出现类似的消极资源，这不利于用户心理健康。对于只想获得即时愉悦的用户人群，这种模式或可接受，但对需求广泛的用户来说，这种推荐模式无疑扼杀了用户求知的渴望。当前推荐系统总是倾向于向用户推荐最精细而非最合适的媒体资源，不能满足用户信息需求［3］。为保证不同用户的信息需求，推荐技术亟需采用有效预防偏见和信息蚕茧的算法。

如何捕捉用户的真正需求，预防信息偏见并提供恰当的推荐，借鉴相关文献研究成果，笔者考虑引入用户信息需求层次和情境信息来捕捉用户的信息行为偏好。通过牺牲一定的精准度为用户推荐更适合的资源，以打破其陷入信息蚕茧的困境，同时在一定程度上提高推荐的广度及深度。……