人际推荐系统中的曝光不平等：长期效应
社会与信息网络
2021-12-16 v1
摘要
人际推荐系统可能影响用户在社交网络平台中获得的曝光，影响注意力动态，并可能加剧预先存在的不平等，使某些群体受到不成比例的影响。本文引入一个模型，用以模拟社交网络中用户与链接推荐器多轮交互所形成的反馈回路。这使我们能够研究那些特定推荐算法的长期后果。我们的模型配有若干参数以控制：(i) 网络中的同质性水平，(ii) 各群体的相对规模，(iii) 若干最先进链接推荐器之间的选择，以及 (iv) 三种不同用户行为模型之间的选择，这些模型决定接受或拒绝哪些推荐。我们利用所提模型进行的广泛实验表明，少数群体若具有足够同质性，可从所有链接推荐器获得不成比例的曝光优势；反之，当其具有异质性时，则曝光不足。此外，虽然少数群体的同质性水平影响差异曝光增长的速度，但少数群体的相对规模影响该效应的幅度。最后，链接推荐器在个体层面加剧了曝光不平等，恶化了“富者愈富”效应：这发生在少数与多数群体中，且与其同质性水平无关。
引用
@article{arxiv.2112.08237,
title = {Exposure Inequality in People Recommender Systems: The Long-Term Effects},
author = {Francesco Fabbri and Maria Luisa Croci and Francesco Bonchi and Carlos Castillo},
journal= {arXiv preprint arXiv:2112.08237},
year = {2021}
}
备注
To appear in ICWSM 2022