基于情感与立场检测的新闻推荐系统偏差分析

新闻推荐系统被在线新闻提供商用于缓解信息过载并向用户提供个性化内容。然而，算法新闻策展被假设会制造过滤气泡并加剧用户的选择性暴露，可能增加其对两极分化观点和假新闻的脆弱性。在本文中，我们展示了如何利用新闻条目的立场和情感信息来分析和量化推荐系统受偏差影响的程度。为此，我们使用立场检测和情感分析标注了一个关于移民主题的德语新闻语料库。在针对四种不同推荐系统的实验评估中，我们的结果显示所有四个模型都略有倾向于推荐带有负面情感以及反对难民和移民主题的立场的文章。此外，我们观察到基于文本的推荐系统的情感与立场偏差和既有的用户偏差之间存在正相关，这表明这些系统放大了用户观点并降低了推荐新闻的多样性。知识感知模型似乎最不容易受到此类偏差影响，代价是预测精度。