对 YouTube 上兔子洞现象的建模
计算机与社会
2023-08-02 v1 社会与信息网络
摘要
众多讨论主张社交媒体上存在所谓的兔子洞（RH）现象，其关注于面向用户的进阶个性化。该现象被宽泛地理解为主流推荐的崩塌，转而偏向超个性化推荐，将用户锁定于狭窄且专门的推送中。然而定量研究常忽略个性化、规模有限，并依赖人工标注来追踪此种崩塌。这阻碍了对该现象基于可复现观测的精确理解，因而也阻碍了对平台的持续审计。在本文中，我们首先通过提出一种以用户侧机器人为中心的方法来解决规模问题，该方法借助推荐中的自动播放游走实现大规模数据收集。随后我们提出一个解释这些 RH 出现的简单理论。尽管该理论是对一个复杂且全球尺度现象的简化视角，它具备多重优势：可被解析建模，并提供了通用且严谨的 RH 定义。我们将 RH 定义为以下两者的相互作用：i) 用户与个性化的交互，以及 ii) 某些视频类别的吸引强度，这导致用户迅速偏离面向新用户画像的主流推荐。我们通过突出在 YouTube 上收集超过 1600 万条个性化推荐后发现的若干 RH 来阐明这些概念。最后的验证步骤将我们自动识别的 RH 与先前研究工作中人工识别的 RH 进行比较。这些结果共同为推荐系统中 RH 效应的大规模自动化审计铺平了道路。
引用
@article{arxiv.2307.09986,
title = {Modeling Rabbit-Holes on YouTube},
author = {Erwan Le Merrer and Gilles Tredan and Ali Yesilkanat},
journal= {arXiv preprint arXiv:2307.09986},
year = {2023}
}
备注
To appear in Social Network Analysis and Mining (Springer)