通过多样化新闻推荐实现跨领域政治意识

已知大多数现有推荐系统生成的建议存在多样性不足以及诸如流行度偏差等其他问题。因此，它们被观察到推广众所周知的“大片”条目，并向用户呈现“更多相同”的选择，从而巩固其现有信念与偏见。这限制了用户接触多样化观点的机会，并可能加剧政治极化。为促进观点多样性，我们开发了一种新颖的计算框架，能够识别用户及其在在线社交网络上分享的新闻条目的政治倾向。基于此类信息，我们的系统可以推荐有意使用户接触不同观点并增加其信息“食谱”多样性的新闻条目。我们在推荐多样性和政治极化方面的研究帮助我们开发算法，以衡量每位用户对多样化观点的反应并相应调整推荐。结果是一种使用户接触各种政治观点并有望拓宽其（不一定是同意的）对各种意见接受度的方法。