基于关键帧的方法用于审计 YouTube Shorts 推荐中的偏差
社会与信息网络
2025-09-03 v1
摘要
YouTube Shorts 等短视频平台已影响数十亿用户的内容消费，但其推荐系统仍基本不透明。小幅变动在推广内容方面会对用户暴露产生显著影响，尤其是针对政治敏感话题。在本工作中，我们提出了一种基于关键帧的方法，用于审计短视频推荐中的偏差和漂移。不同于分析完整视频或依赖元数据，我们提取感知显著性关键帧，生成标题，并将其嵌入共享的内容空间。通过在推荐链中进行视觉映射，我们观察到一致的偏移和聚类模式，这表明话题漂移和潜在过滤。我们比较政治敏感话题与一般 YouTube 类别，发现推荐行为存在显著差异。我们的发现表明，关键帧为理解短视频算法中的偏差提供了一种高效且可解释的视角。
关键词
引用
@article{arxiv.2509.02543,
title = {A Keyframe-Based Approach for Auditing Bias in YouTube Shorts Recommendations},
author = {Mert Can Cakmak and Nitin Agarwal},
journal= {arXiv preprint arXiv:2509.02543},
year = {2025}
}