社交媒体推荐系统中的情感信号
社会与信息网络
2022-06-27 v1
摘要
人们来到社交媒体是为了满足多种需求，例如获知信息、娱乐和受到启发，或与朋友和社群保持联系。因此，要设计一个能提供有用且个性化帖子推荐的排序函数，若能预测用户对某帖子的情感响应（如娱乐、获知、愤怒）将很有帮助。本文描述了我们将情感计算应用于社交媒体推荐系统时所开发的挑战与解决方案。我们解决了几类挑战。首先，我们设计了一套情感分类体系，其规模较小（出于实用目的）但覆盖了该应用所需的重要细微差别。其次，为我们的模型收集训练数据，我们在已有的可用信号（即不同类型的用户互动）与通过精心设计的对80万帖子的人工标注工作所收集的数据之间取得平衡。我们证明，从该数据集学到的情感响应信息将推荐系统中的一个模块提升了逾8%。在线实验也显示出被曝光的违规内容在统计上显著减少，且用户认为有价值的内容曝光增加。
引用
@article{arxiv.2206.12374,
title = {Affective Signals in a Social Media Recommender System},
author = {Jane Dwivedi-Yu and Yi-Chia Wang and Lijing Qin and Cristian Canton-Ferrer and Alon Y. Halevy},
journal= {arXiv preprint arXiv:2206.12374},
year = {2022}
}