Personal Salience: Highlighting Is Social, but Individuality Lives in Selection
个性化显著性：标亮是社交性的，但个体性体现于选择
🧭 个性化行为分析 · 用户建模
Glasp Inc.
利用共读控制分离通用、群体和个体显著性，发现个体信号在已标亮段落的选择任务中强度约为突出段落的6-8倍，且主要来自主题偏好。
📌 工作参考价值
- 在个性化推荐中，应侧重用户在已筛选候选池中的选择行为（二次排序/重排），而非仅依赖一般兴趣特征；本研究表明个体性在“选择”任务中比“显著性”任务高近一个数量级。
- 构建个性化模型时必须杜绝目标文档泄漏到用户画像中：论文发现幼稚排除会导致 +0.07~0.15 AP 的虚假提升，务必精确剔除。
- 群体共识随文档流行度下降（但趋势尚未确证），可能意味着长尾/小众内容上个性化空间更大，但在热门内容上群体信号已足够强，可考虑在冷启动或长尾场景强化个体建模。
- 用户选择倾向可由少量行为（几十次高亮）有效捕捉，继续增加历史收益很小（平台状），在工程上可据此设定画像大小上限、降低存储和计算成本。
动机：个性化推荐系统通常假设用户行为携带强个体信号。本研究以共读高亮数据为自然场景，量化“什么内容是用户觉得重要的”（文档内句子显著性）和“哪些已标亮内容属于该用户”（选择）这两个任务中个体成分的大小，以期指导用户建模时把资源投在最有区分力的行为上。
方法关键点：
- 使用 Glasp 高亮平台数据，获得同文档多用户的共读控制，可严格分离通用显著性（文档结构）、群体显著性（他人标亮）和个体显著性（自身历史残差）。
- 文档内任务：预测用户会标亮哪些句子；选择任务：从共读者已标亮的段落集中预测哪些属于当前用户。
- 评分器包括：群体频率、文档中心度、个人平均嵌入（M1）、前沿 LLM 孪生模型（gpt-5.5），并采用方法匹配的身份对照（同量度下对比自身画像与其他读者画像）。
- 严格无泄漏：构建个人画像时排除目标文档，并纠正了常见泄漏（42%的文档对会因此虚高）。
关键结果：
- 文档内任务中群体信号主导（AP=0.321），远高于个人嵌入（0.172）和 LLM 孪生（0.247）；个体身份差距仅 +0.017（嵌入）或 +0.012（LLM，不显著）。
- 选择任务中个体信号显著：自身画像 AP=0.397，其他读者 0.254，身份差距 +0.143；群体频率在该任务上甚至低于随机基线（AP=0.157 vs. 基线 0.174），因为最常被标亮的段落是所有用户共享的，缺乏区分力。
- 相同评分器下，选择任务中的个体差距约为文档内任务的 6–8 倍。
- 将对照读者替换为主题最近邻后，选择身份差距从 0.113 降至 0.098（约 86% 来自主题偏好），且随相似度从 0.52 → 0.90，差距从 0.212 骤降至 0.026，表明主要由稳定主题偏好驱动，尚残留一薄层可能为更细粒度主题，而非非主题‘风格’。
- 扩展性：选择准确率随历史高亮数上升，至约 60 条后平台；群体准确率则持续上升至 50 读者。
- 次级观察：群体共识随文档读者数增加而下降（固定群体规模）。
核心结论：用户高亮的个体签名很薄，存在于‘选择哪些已显著段落’而非‘什么段落显著’，个性化建模应重点关注用户的选择行为而非通用兴趣检测。