排序算法在增长网络中的长期影响
物理与社会
2019-03-28 v2 计算机与社会
信息检索
社会与信息网络
摘要
当我们在线上搜索内容时，不断接触到排序结果。例如，网络搜索结果以排序形式呈现，在线书店常向我们展示畅销书列表。尽管基于流行度的排序算法（如 Google 的 PageRank）已在以往工作中被广泛研究，我们仍缺乏对其潜在系统性后果的清晰理解。本工作通过引入一个新的网络增长模型填补了这一空白，该模型使我们能够比较不同排序算法影响下所生成网络的性质。我们表明，通过修正基于流行度的排序算法中普遍存在的年龄偏差，所得网络中节点的内在质量与其长期流行度之间表现出显著更高的一致性，且流行度分布更不集中。为进一步提升流行度多样性，我们引入并验证了对原始排序的一种扰动：将少量随机选取的节点提升至排序顶端。我们的发现向基于模型理解基于流行度的排序算法的长期影响迈出了第一步，并可作为设计改进型信息过滤工具的有参考价值的手段。
引用
@article{arxiv.1805.12505,
title = {The long-term impact of ranking algorithms in growing networks},
author = {Shilun Zhang and Matúš Medo and Linyuan Lü and Manuel Sebastian Mariani},
journal= {arXiv preprint arXiv:1805.12505},
year = {2019}
}
备注
Main text (pp. 1-27) and Supplementary Material (pp. 28-49)