人物推荐系统对回声室与极化的影响

社交媒体对极化与错误信息等关键问题的影响正受到审视，因为这些现象可能对我们的社会造成破坏性后果。在社交媒体平台常规使用的算法中，人物推荐系统尤为引人关注，因为它们直接促成社交网络结构的演化，影响用户所接触的信息与观点。本文提出一个框架以评估人物推荐系统对观点演化的影响。我们的方案基于结合链接推荐与观点动力学模型的蒙特卡洛模拟。为控制初始条件，我们定义了一种带观点的随机网络模型，其模块度与同质性可调。我们将这些要素整合为一种方法论，用以研究推荐系统对回声室与极化的影响。我们还展示了如何通过模拟使用我们的框架来衡量不同干预策略的影响。我们详尽的实验表明，人物推荐系统实际上可能导致回声室显著增加。然而，这仅在网络中存在相当初始同质性时发生。此外，我们发现若网络已包含回声室，推荐算法的影响可忽略不计。这些发现对两种差异很大的观点动力学模型——有界信任模型与认识论模型——均是稳健的。