检测与缓解社交网络信息传播算法中的偏差
社会与信息网络
2024-10-31 v2 计算机与社会
物理与社会
摘要
社交连接是个体交流、信息传播和疾病蔓延的通道。识别更可能采纳并传播想法的个体，对于开展有效的信息运动、最大化资源触达范围以及抗击流行病至关重要。影响力最大化算法被用于识别影响力者集合。基于在合成网络和十个不同的真实世界社交网络上进行的大量计算机模拟，我们表明使用这些方法进行信息播种会造成信息鸿沟。我们的结果表明，这些算法选择的影响力者未能公平地传播信息，有可能造成日益不平等的社会。为克服这一问题，我们设计了一种多目标算法，可最大化影响力和信息公平性。我们的结果表明，在相对于传播范围的较低权衡下，可以降低脆弱性。这凸显出，在追求最大化信息的过程中，我们无需在信息平等上妥协。
引用
@article{arxiv.2405.12764,
title = {Detecting and Mitigating Bias in Algorithms Used to Disseminate Information in Social Networks},
author = {Vedran Sekara and Ivan Dotu and Manuel Cebrian and Esteban Moro and Manuel Garcia-Herranz},
journal= {arXiv preprint arXiv:2405.12764},
year = {2024}
}