基于智能体的误information传播中的推荐系统探索

本研究使用智能体建模来检验各种推荐算法对在线社交网络中误information传播的影响。我们模拟由异构智能体构成的合成环境，包括常规用户、机器人和影响者，通过具有推荐系统的社交网络进行交互。我们评估了四种推荐策略：基于流行度的、基于协同过滤的和基于内容的过滤，以及随机基准。我们的结果显示，基于流行度的算法显著放大了误information的传播，而项目级协同过滤和基于内容的方法在限制虚假内容暴露方面更为有效。项目级协同过滤的表现优于该领域以前的报告。这发现凸显了算法设计在塑造在线信息暴露方面的作用，表明智能体建模可用于获得有关误information如何传播的真实见解。