基于相似性的内容推荐是否必然导致两极化？——数学证明与计算验证

日益依赖数字平台塑造了人们理解世界的方式，作为推荐系统将用户引导 toward content 'similar' to their existing preferences。虽然这一过程简化了信息检索，但担忧其可能培育封闭社区——所谓的回音室——强化既有观点并限制接触替代方案。为调查基于相似性的推荐系统是否从根本原则中必然导致两极化，我们提出了一个最小模型，将用户和内容表示为连续空间中的点。用户迭代地向本地推荐项目的中位数移动，由最近邻准则选择，而我们在数学上表明，他们自然会聚集到distinct, stable clusters中，而无需任何明确的意识形态偏见。计算模拟确认了这些发现并探讨了人口规模、适应率、内容生产概率和噪声水平如何影响聚类速度和强度。我们的结果表明，即使在简化的场景中，基于相似性的检索也会驱动碎片化。尽管我们不主张所有系统必然导致两极化，但我们强调，这种检索并非中性。认识到推荐空间几何底层结构可能有助于制定干预、政策和批评，以解决意外的文化和意识形态分裂。