論文の概要: Optimal Engagement-Diversity Tradeoffs in Social Media

• arxiv url: http://arxiv.org/abs/2303.03549v1
• Date: Mon, 6 Mar 2023 23:21:02 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-08 17:03:37.167186
• Title: Optimal Engagement-Diversity Tradeoffs in Social Media
• Title（参考訳）: ソーシャルメディアにおける最適エンゲージメント・ダイバーシティ・トレードオフ
• Authors: Fabian Baumann, Daniel Halpern, Ariel D. Procaccia, Iyad Rahwan, Itai Shapira, Manuel Wuthrich
• Abstract要約: ソーシャルメディアプラットフォームは、アルゴリズムの助けを借りてユーザーのエンゲージメントを最適化することが知られている。 この慣行によってエコーチャンバが生ずると広く理解されており、主に自分に類似した意見に晒されている。 本稿では,エコーチャンバーが高いエンゲージメントの必然的な結果であるかどうかを問う。
• 参考スコア（独自算出の注目度）: 32.292660685687125
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Social media platforms are known to optimize user engagement with the help of algorithms. It is widely understood that this practice gives rise to echo chambers\emdash users are mainly exposed to opinions that are similar to their own. In this paper, we ask whether echo chambers are an inevitable result of high engagement; we address this question in a novel model. Our main theoretical results establish bounds on the maximum engagement achievable under a diversity constraint, for suitable measures of engagement and diversity; we can therefore quantify the worst-case tradeoff between these two objectives. Our empirical results, based on real data from Twitter, chart the Pareto frontier of the engagement-diversity tradeoff.
• Abstract（参考訳）: ソーシャルメディアプラットフォームは、アルゴリズムの助けを借りてユーザーのエンゲージメントを最適化することが知られている。 この慣行がエコーチャンバーを生じさせることは広く理解されており、エムダッシュの利用者は、主に自分自身に類似した意見に晒されている。 本稿では,エコーチャンバーが高いエンゲージメントの必然的な結果であるかどうかを問う。 我々の理論の主な結果は、多様性の制約の下で達成可能な最大エンゲージメントの境界を確立し、それゆえ、これらの2つの目的間の最悪のトレードオフを定量化することができる。 われわれの経験的結果は、Twitterの実際のデータに基づいて、エンゲージメントと多様性のトレードオフのParetoフロンティアをグラフ化した。

関連論文リスト

• Intuitions of Compromise: Utilitarianism vs. Contractualism [42.3322948655612]
  我々は、社会的な意思決定の文脈において、グループ間での嗜好を集約するためにアルゴリズムを適用するパラダイムを使用している。 現在まで、バリューアグリゲーションに対する支配的なアプローチは実用的だが、私たちは契約者アルゴリズムが推奨するアグリゲーションを強く好んでいることに気付きました。
  論文  参考訳（メタデータ） (2024-10-07T21:05:57Z)
• Pareto Inverse Reinforcement Learning for Diverse Expert Policy Generation [6.876580618014666]
  本稿では,識別器の正則化のための報酬距離推定を用いて,逆強化学習(IRL)を適用する。 本稿では,多目的制御タスクにおいて,ParIRLが他のIRLアルゴリズムより優れていることを示す。
  論文  参考訳（メタデータ） (2024-08-22T03:51:39Z)
• Bridging and Modeling Correlations in Pairwise Data for Direct Preference Optimization [75.1240295759264]
  本稿では,BMC という名前のペアデータにおけるブリッジ・アンド・モデリングの効果的なフレームワークを提案する。 目的の修正によって、ペアの選好信号の一貫性と情報性が向上する。 DPOだけではこれらの相関をモデル化し、ニュアンス付き変動を捉えるには不十分である。
  論文  参考訳（メタデータ） (2024-08-14T11:29:47Z)
• Deep Pareto Reinforcement Learning for Multi-Objective Recommender Systems [60.91599969408029]
  複数の目的を同時に最適化することは、レコメンデーションプラットフォームにとって重要なタスクです。 既存の多目的推薦システムは、そのような動的な関係を体系的に考慮していない。
  論文  参考訳（メタデータ） (2024-07-04T02:19:49Z)
• Output-Constrained Decision Trees [0.0]
  本稿では,マルチターゲット出力だけでなく,対象間の制約も扱える決定木を新たに導入する。 我々は,制約に対処する分割基準を調整し,実現可能な予測を得ることにより,従来の決定木をカスタマイズすることに注力する。
  論文  参考訳（メタデータ） (2024-05-24T07:54:44Z)
• MaxMin-RLHF: Towards Equitable Alignment of Large Language Models with Diverse Human Preferences [101.57443597426374]
  Reinforcement Learning from Human Feedback (RLHF) は、言語モデルと人間の嗜好を一致させる。 予測最大化アルゴリズムを用いて嗜好分布の混合を学習し、人間の嗜好をよりよく表現する。 従来のRLHFアルゴリズムよりも16%以上の勝利率向上を実現している。
  論文  参考訳（メタデータ） (2024-02-14T03:56:27Z)
• Decoding the Silent Majority: Inducing Belief Augmented Social Graph with Large Language Model for Response Forecasting [74.68371461260946]
  SocialSenseは、既存のソーシャルネットワーク上に信念中心のグラフを誘導するフレームワークであり、グラフベースの伝播によって社会的ダイナミクスを捉える。 本手法は,ゼロショット設定と教師あり設定の両方に対する実験的な評価において,既存の最先端技術を超えている。
  論文  参考訳（メタデータ） (2023-10-20T06:17:02Z)
• Rebalancing Social Feed to Minimize Polarization and Disagreement [24.939887831898453]
  本稿では,ユーザのソーシャルフィードをわずかにヌードすることを目的とした新しい問題定式化を提案し,その妥当性と多様性を両立させる。 提案手法は,ユーザがフォローするアカウントの相対的重要性を再重み付けすることで,ユーザに対して様々なアカウントが生成するコンテンツの頻度を校正する。
  論文  参考訳（メタデータ） (2023-08-28T10:59:05Z)
• Interactive Evolutionary Multi-Objective Optimization via Learning-to-Rank [8.421614560290609]
  本稿では,関心の解(SOI)を対話的に見つけるために,嗜好に基づくEMOアルゴリズムを設計するためのフレームワークを開発する。 EMOの中核となる考え方は、人間をEMOのループに巻き込むことだ。何回か繰り返すと、DMは数人の現職候補者に対してフィードバックを求めるよう招待される。 このような情報を集めることで、彼女の好みは学習からランクまでニューラルネットワークによって徐々に学習され、次にベースラインEMOアルゴリズムを導出するために応用される。
  論文  参考訳（メタデータ） (2022-04-06T06:34:05Z)
• Scalable Personalised Item Ranking through Parametric Density Estimation [53.44830012414444]
  暗黙のフィードバックから学ぶことは、一流問題の難しい性質のために困難です。 ほとんどの従来の方法は、一級問題に対処するためにペアワイズランキングアプローチとネガティブサンプラーを使用します。 本論文では,ポイントワイズと同等の収束速度を実現する学習対ランクアプローチを提案する。
  論文  参考訳（メタデータ） (2021-05-11T03:38:16Z)

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。