在线社交链接推荐中相关性与冲突的关系探析

在在线社交网络中，链接推荐是用户发现可能认识之人的相关链接、从而潜在提升其在平台参与度的一种方式。然而，向社交网络添加链接也会影响网络中的冲突水平——表现为极化与分歧。但迄今为止，我们对链接形成的这两类影响如何相互关联知之甚少：高相关性与冲突削减的目标是否一致，还是用户最有可能接受的链接从根本上不同于那些最具冲突削减潜力的链接？本文利用近期流行的 Friedkin-Johnsen 观点动力学模型，首次对这一问题进行分析。我们首先呈现一个关于链接添加如何改变观点冲突水平的惊人结果，继而开展解释性工作，将改变量大小与所添链接的结构特征相关联。然后我们刻画了实现最大冲突削减的链接集合与实现最高相关性的链接集合之间在冲突削减上的差距。该差距基于 13 种链接推荐算法定义的相关性实例化，在真实世界数据上测得。我们发现，部分（而非全部）更精确的算法确实带来了更好的冲突削减。我们的工作表明，为提升用户参与度而推荐的社交链接可能并不像人们所想的那样易引发冲突。