模拟 YouTube 短视频用户观看时长以探讨其推荐系统中的偏见
社会与信息网络
2025-07-08 v1
摘要
短视频平台如 YouTube Shorts 日益影响信息消费方式，但影响驱动参与的数据驱动算法对内容曝露的影响仍不完全为人所知。本研究探讨了不同观看行为（包括快速滚动或跳过）如何影响推荐视频的相关性和主题连续性。我们使用超过 404,000 个视频的数据集，模拟观众在更广泛的地缘政治主题以及更窄聚焦的冲突（包括俄罗斯、中国、俄乌战争和南海争端）下的观看行为。我们评估在不同观看时长条件下，推荐链中的相关性如何变化，使用 GPT-4o 评估视频之间的语义对齐程度。我们的分析揭示了放大、漂移和主题泛化等模式，对内容多样性和平台问责制具有重大影响。通过跨越计算机科学、媒体研究和政治传播三个领域，本工作为理解参与线索如何影响短视频生态系统中的算法路径提供了多元视角。
引用
@article{arxiv.2507.04534,
title = {Simulating User Watch-Time to Investigate Bias in YouTube Shorts Recommendations},
author = {Selimhan Dagtas and Mert Can Cakmak and Nitin Agarwal},
journal= {arXiv preprint arXiv:2507.04534},
year = {2025}
}