重平衡社交信息流以最小化极化与分歧

社交媒体在促进重要社会议题的公共讨论方面具有巨大潜力。然而，极化与回音室等负面效应极大地影响了社交媒体的益处，亟需能够缓解这些效应的算法。本文提出一种新颖的问题建模，旨在通过轻微引导用户的社会信息流，在相关性与多样性之间取得平衡，从而缓解极化的产生，同时不降低信息流的质量。我们的方法基于重新加权用户所关注账号的相对重要性，以校准各类账号所产生内容向用户展示的频率。我们分析了该问题的凸性性质，证明了目标函数非矩阵凸而可行域为凸。为高效求解该问题，我们开发了一种基于投影梯度下降的可扩展算法。我们还证明，我们的问题表述是无向情形问题的恰当推广，因此我们的方法也可用于无向社交网络。作为无向情形下的对比基线，我们提出了一种半定规划方法，可提供最优解。通过在合成与真实世界数据集上的大量实验，我们验证了方法的有效性，其优于非平凡基线，凸显了培育更健康、更具凝聚力的在线社区的能力。