Trait, Not State: The Durability of Reading Identity in Social Highlighting
特质而非状态：社交高亮中阅读身份的持久性
🧭 用户行为持久性研究 · 个性化推荐
Glasp Inc.
个体的文档选择特征在长时段内保持稳定，是一种持久特质，可用于预测未来阅读
📌 工作参考价值（4 点）
- 用户兴趣稳定性洞察：在电商推荐中，用户的选择行为（如点击、购买）可能也具有长期稳定性，可以利用早期历史构建用户画像，无需频繁更新。论文表明，用前6个月数据构建画像，20个月后仍能有效预测未来阅读（AP提升约3倍），启示我们更依赖长期偏好信号。
- 实验控制技巧：为避免供应漂移（内容池变化）导致的虚假变化，采用“同历元负样本”（negatives from the same calendar era），该方法可借鉴到推荐系统AB测试或离线评估中，确保观测差异来自用户本身而非内容池变化。
- 细粒度兴趣邻域：在读者自身兴趣邻域内，个人优势几乎不衰退，说明在用户兴趣局部区域内个性化信号非常稳定。在推荐中，可针对不同兴趣簇分别建模用户档案，提升稳定性。
- 个人档案作为轻量排序信号：直接使用历史行为构建简单个人档案，对候选物品排序，相比非个人先验（如流行度）有显著优势。在电商中可构建基于浏览/购买类目的用户向量，作为召回或重排序特征，低成本提升效果。