推荐系统中的算法混杂如何增加同质化并降低效用
计算机与社会
2018-11-28 v2 机器学习
机器学习
摘要
推荐系统无处不在，并影响着诸多领域；它们有可能影响产品消费、个体对世界的认知以及改变人生的决策。这些系统常利用已暴露于算法推荐的用户数据来进行评估或训练；这造成了一种有害的反馈循环。通过仿真，我们展示了以这种方式混杂的数据如何在不提升效用的前提下使用户行为同质化。
引用
@article{arxiv.1710.11214,
title = {How Algorithmic Confounding in Recommendation Systems Increases Homogeneity and Decreases Utility},
author = {Allison J. B. Chaney and Brandon M. Stewart and Barbara E. Engelhardt},
journal= {arXiv preprint arXiv:1710.11214},
year = {2018}
}