論文の概要: Auditing E-Commerce Platforms for Algorithmically Curated Vaccine Misinformation

• arxiv url: http://arxiv.org/abs/2101.08419v2
• Date: Fri, 29 Jan 2021 20:15:18 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-14 08:44:31.300112
• Title: Auditing E-Commerce Platforms for Algorithmically Curated Vaccine Misinformation
• Title（参考訳）: アルゴリズムによるワクチン誤情報のための電子商取引プラットフォームの検討
• Authors: Prerna Juneja, Tanushree Mitra
• Abstract要約: アマゾンの検索・レコメンデーションアルゴリズムにおいて,ワクチン誤情報に対する2セットのアルゴリズム監査を行う。 検索結果の10.47%が不正な健康製品を促進している。 Amazonのレコメンデーションでフィルタバブル効果の証拠を見つけました。
• 参考スコア（独自算出の注目度）: 10.66048003460524
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: There is a growing concern that e-commerce platforms are amplifying vaccine-misinformation. To investigate, we conduct two-sets of algorithmic audits for vaccine misinformation on the search and recommendation algorithms of Amazon -- world's leading e-retailer. First, we systematically audit search-results belonging to vaccine-related search-queries without logging into the platform -- unpersonalized audits. We find 10.47% of search-results promote misinformative health products. We also observe ranking-bias, with Amazon ranking misinformative search-results higher than debunking search-results. Next, we analyze the effects of personalization due to account-history, where history is built progressively by performing various real-world user-actions, such as clicking a product. We find evidence of filter-bubble effect in Amazon's recommendations; accounts performing actions on misinformative products are presented with more misinformation compared to accounts performing actions on neutral and debunking products. Interestingly, once user clicks on a misinformative product, homepage recommendations become more contaminated compared to when user shows an intention to buy that product.
• Abstract（参考訳）: eコマースプラットフォームがワクチンの誤情報を増幅しているとの懸念が高まっている。 本研究は,amazon(アマゾン)の検索アルゴリズムと推奨アルゴリズムについて,ワクチンの誤情報に対するアルゴリズム監査を2セット実施する。 まず、プラットフォームにログインすることなく、ワクチン関連検索列に属する検索結果を体系的に監査する。 検索結果の10.47%が不正な健康製品を促進している。 また、ランキングバイアスも観察し、amazonのランキングミスインフォーマティブな検索結果は、検索結果を非難するよりも高い。 次に、商品のクリックなど、さまざまな現実世界のユーザアクションを実行することによって、歴史が徐々に構築されるアカウント履歴によるパーソナライズの効果を分析する。 我々は,Amazonの推薦でフィルタバブル効果の証拠を見出した。誤報製品に対するアクションを行うアカウントは,中性製品に対するアクションを行うアカウントよりも誤情報が多い。 面白いことに、ユーザーが不正な商品をクリックすると、ユーザーがその商品を買う意思を示すのと比べてホームページの推薦が汚染される。

関連論文リスト

• Exploring Query Understanding for Amazon Product Search [62.53282527112405]
  問合せ理解に基づくランキング機能がどのようにランキングに影響を及ぼすかを検討する。 ランク付けのためのクエリ理解に基づくマルチタスク学習フレームワークを提案する。 本研究は,Amazon Searchにおける実世界のシステムを用いた調査・調査である。
  論文  参考訳（メタデータ） (2024-08-05T03:33:11Z)
• Auditing the Grid-Based Placement of Private Label Products on E-commerce Search Result Pages [7.351845767369621]
  インドで運営されている2大eコマースプラットフォーム、Amazon.inとAmazon.inのeコマース検索結果におけるプライベートラベル(PL)製品プロモーションの規模を定量化する。 どちらのプラットフォームもPL製品を宣伝するために異なる戦略を採用している。 両プラットフォームの製品配置戦略は,文献に提案されている既存のユーザ注意戦略に適合していることがわかった。
  論文  参考訳（メタデータ） (2024-07-19T20:01:30Z)
• Detecting Spam Reviews on Vietnamese E-commerce Websites [0.0]
  本稿では,電子商取引プラットフォーム上でのスパムレビューを検出するための厳格なアノテーション手順を有するViSpamReviewsというデータセットを提案する。 本データセットは,レビューがスパムか否かを検出するバイナリ分類タスクと,スパムの種類を特定するマルチクラス分類タスクの2つのタスクから構成される。 PhoBERTは、マクロ平均F1スコアでそれぞれ88.93%と72.17%の2つのタスクで最高結果を得た。
  論文  参考訳（メタデータ） (2022-07-27T10:37:14Z)
• Incentives for Item Duplication under Fair Ranking Policies [69.14168955766847]
  重複が存在する場合の様々な公正ランキングポリシーの振る舞いについて検討する。 適合性にのみ焦点を絞った政策よりも、重複を動機付ける可能性を秘めているため、公正を意識したランキングポリシーは多様性と矛盾する可能性がある。
  論文  参考訳（メタデータ） (2021-10-29T11:11:15Z)
• Confounds and Overestimations in Fake Review Detection: Experimentally Controlling for Product-Ownership and Data-Origin [1.658669052286989]
  2つのコンファウンドは、データオリジン(データセットは複数のソースで構成されている)と製品オーナーシップ(レビューされた製品を所有しているか、所有していない個人によって書かれたレビュー)である。 データオリジン、製品オーナシップ、レビューポラリティ、妥当性を操作し、改善された学習分析により、レビューの妥当性(60.26 - 69.87%)は幾らか検出可能であるが、レビューは製品オーナーシップ(66.19 - 74.17%)またはデータオリジン(84.44 - 86.94%)で分類し易いことが示唆された。
  論文  参考訳（メタデータ） (2021-10-28T14:04:03Z)
• Set2setRank: Collaborative Set to Set Ranking for Implicit Feedback based Recommendation [59.183016033308014]
  本稿では,暗黙的フィードバックの特徴を探究し,推奨するSet2setRankフレームワークを提案する。 提案するフレームワークはモデルに依存しず,ほとんどの推奨手法に容易に適用できる。
  論文  参考訳（メタデータ） (2021-05-16T08:06:22Z)
• User-Inspired Posterior Network for Recommendation Reason Generation [53.035224183349385]
  推奨理由生成は、顧客の関心を惹きつけ、ユーザーエクスペリエンスを向上させる上で重要な役割を果たします。 ユーザインスパイアされたマルチソース後部トランス(MSPT)を提案し,ユーザの興味を反映したモデルを誘導する。 実験の結果,本モデルは従来の生成モデルよりも優れていることがわかった。
  論文  参考訳（メタデータ） (2021-02-16T02:08:52Z)
• When the Umpire is also a Player: Bias in Private Label Product Recommendations on E-commerce Marketplaces [18.692849436504222]
  関連項目の推薦をAmazon上でエンドツーエンドで体系的に監査する。 提案するネットワーク中心のフレームワークは,有機的およびスポンサーによる推奨項目間のバイアスを定量化し,比較する。
  論文  参考訳（メタデータ） (2021-01-30T03:24:38Z)
• Dark Web Marketplaces and COVID-19: before the vaccine [53.447910186085586]
  2020年1月1日から11月16日までの間に、30のダークウェブマーケットプレースから抽出された851,199件の分析を行った。 新型コロナウイルス製品に直接関連した788のリストを同定し、製品カテゴリーの時間的進化をモニタリングする。 新型コロナウイルス(COVID-19)パンデミックの間、オンラインのシャドーエコノミーがどのように発展してきたのかを明らかにし、DWMの継続的なモニタリングの重要性を強調します。
  論文  参考訳（メタデータ） (2020-08-04T14:27:41Z)
• Do Interruptions Pay Off? Effects of Interruptive Ads on Consumers Willingness to Pay [79.9312329825761]
  本研究は,広告主ブランドの商品に対する消費者の支払い意欲に及ぼす割り込み広告の影響を計測する研究結果である。 本研究は, 広告の経済的影響に関する研究に寄与し, 実験マーケティング研究における実際の(自己申告の)支払意欲を測定する方法を紹介した。
  論文  参考訳（メタデータ） (2020-05-14T09:26:57Z)
• Modeling Product Search Relevance in e-Commerce [7.139647051098728]
  本稿では,検索クエリと商品の関連性を評価するためのロバストな手法を提案する。 BM25 や Indri のような従来の情報検索モデルと word2vec, sentence2vec, paragraph2vec といったディープラーニングモデルとの比較を行った。
  論文  参考訳（メタデータ） (2020-01-14T21:17:55Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。