Core Concepts
過去の消費に基づく推奨は、フィルターバブル効果を緩和しますが、相互ユーザー多様性にはほとんど影響しません。
Abstract
インターネットの台頭により、ソーシャルインタラクションやエンターテイメントがオンラインに移行しました。本研究では、推奨アルゴリズムがメディア消費と社会行動に与える影響を探求しています。過去の研究では、推奨アルゴリズムが同質的なコミュニティを育成し、オンラインソーシャル関係で豊かな者がさらに豊かになる効果を増幅することが示されています。本論文は、主に均質化とフィルターバブルと関連付けられる2つの現象を深く理解することを目的としています。過去の研究では、個々の平均消費物品がどれだけ異なるか(相互ユーザー多様性)および個々人の消費物品がどれだけ多様か(個人内多様性)を調査していませんでした。そのため、この研究ではこれら2つの多様性を考慮した新しい定義を開発しました。過去の消費に基づく推奨は主に相互ユーザー多様性を減少させますが、個人内多様性にはほとんど影響しないことが示されています。
Stats
過去消費に基づく推奨は相互ユーザー多様性を減少させます。
均一化 = 1 / sqrt(Inter-user diversity^2 + Intra-user diversity^2)
バイナリ分類 = 1 / sqrt(Inter-user diversity^2 + Intra-user diversity^2)
フィルターバブル効果 = Inter-user diversity / Intra-user diversity
フィードバック = 0.93(Homogeneity vs Standard Deviation)
Quotes
"Recommendation algorithms play a pivotal role in shaping our media choices."
"Our simulations show that traditional recommendation algorithms mainly reduce filter bubbles by affecting inter-user diversity without significantly impacting intra-user diversity."
"These novel recommendation algorithms are, on the surface, very similar to prior work which intentionally recommends a diverse slate of items to users."