新闻推荐中过滤气泡与两极分化的演化
信息检索
2023-01-27 v1
摘要
近期关于新闻推荐的研究表明，推荐系统可能使用户过度暴露于支持其既有观点的文章。然而，大多数现有工作聚焦于静态设定或短时间窗口，关于新闻推荐的长期与动态影响仍存开放问题。本文通过对三个研究问题的系统研究来探索这些动态影响：1）在与推荐系统反复长期交互后，用户的新闻阅读行为如何变化？2）在此类动态推荐系统中，用户的固有偏好如何随时间变化？3）现有的 SOTA 静态方法能否缓解动态环境中的该问题？具体而言，我们基于 40,000 篇带标注的新闻文章，通过新闻推荐中政治两极分化的仿真实验开展全面的数据驱动研究。我们发现，随着推荐系统的演化，用户迅速暴露于更极端的内容。我们还发现，基于校准的干预可减缓此种两极分化，但仍存在显著的未来改进空间。
引用
@article{arxiv.2301.10926,
title = {Evolution of Filter Bubbles and Polarization in News Recommendation},
author = {Han Zhang and Ziwei Zhu and James Caverlee},
journal= {arXiv preprint arXiv:2301.10926},
year = {2023}
}