社交媒体中代表性不足用户的话题暴露估计
社会与信息网络
2022-08-09 v1 机器学习
摘要
在线社交网络（OSNs）便于获取多样数据，使研究者能够分析用户行为并构建用户行为分析模型。这些模型严重依赖观测数据，而由于参与不平等，观测数据通常存在偏差。该不平等由三类在线用户构成：潜伏者——仅消费内容者；互动者——对内容创作贡献甚少者；贡献者——负责创建绝大多数在线内容者。在解读群体层面兴趣或情绪时若不考虑所有群体的贡献，可能产生有偏结果。为降低贡献者带来的偏差，本文着重凸显观测数据中互动者的贡献，因为相较于潜伏者他们更可能参与，且相较于贡献者他们构成更大群体。对这些用户行为分析的第一步是找出他们接触到但未互动的话题。为此，我们提出一种新颖框架，用以识别这些用户并估计其话题暴露。该暴露估计机制通过融入相似贡献者的行为模式以及用户人口统计与档案信息来建模。
引用
@article{arxiv.2208.03796,
title = {Estimating Topic Exposure for Under-Represented Users on Social Media},
author = {Mansooreh Karami and Ahmadreza Mosallanezhad and Paras Sheth and Huan Liu},
journal= {arXiv preprint arXiv:2208.03796},
year = {2022}
}