社交媒体上推荐对立内容的因素
社会与信息网络
2017-05-19 v1
摘要
极化是一种令人不安的现象，可能导致社会分裂并损害民主进程。因此，开发减轻极化的方法非常重要。我们提出了一种解决减轻极化问题的算法方案。其核心思想是让用户接触到挑战其观点的内容，希望以此拓宽他们的视野，从而降低其极性。我们的方法考虑了该问题的多个方面，例如用户的估计极性、接受推荐的概率、内容的极性以及所推荐内容的受欢迎程度。我们通过对积极参与美国大选结果讨论的 Twitter 用户进行大规模用户研究来评估我们的推荐。结果表明，在大多数情况下，推荐中考虑的因素按预期影响了用户，从而捕捉到了该问题的本质特征。
引用
@article{arxiv.1705.06597,
title = {Factors in Recommending Contrarian Content on Social Media},
author = {Kiran Garimella and Gianmarco De Francisci Morales and Aristides Gionis and Michael Mathioudakis},
journal= {arXiv preprint arXiv:1705.06597},
year = {2017}
}
备注
accepted as a short paper at ACM WebScience 2017. arXiv admin note: substantial text overlap with arXiv:1703.10934