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 ★ 深度解读
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（4 点）
- 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。