理解社交网络中的过滤气泡与极化

近期研究表明，社交媒体的使用——尽管与用户信息和视角的多样性增加相关——却加剧了用户在许多议题上的极化。对此现象的一种流行理论聚焦于“过滤气泡”概念：通过自动推荐用户可能认同的内容，社交网络算法制造了原本不会出现的同质用户回声室。然而，尽管回声室已在真实世界网络中被观测到，支持过滤气泡的证据大多是事后性的。在本工作中，我们发展了一个数学框架来研究过滤气泡理论。我们修改经典的 Friedkin-Johnsen 观点动力学模型，引入另一参与者——网络管理员，其通过对社交网络的边权进行微小改动（例如，调整新闻推送算法以改变用户间交互水平）来为用户过滤内容。在来自 Reddit 和 Twitter 的真实世界网络上，我们表明当网络管理员有动机减少用户间分歧时，即便相对微小的边改动也能导致网络中回声室的形成并增加用户极化。我们通过分析由随机块模型生成的合成图，从理论上支持了所观测到的社交网络对外部干预的敏感性。最后，我们表明对网络管理员激励的轻微修改可在最小影响管理员目标函数（用户分歧）的同时缓解过滤气泡效应。