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
- 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) - Rethinking and Benchmarking Predict-then-Optimize Paradigm for
Combinatorial Optimization Problems [62.25108152764568]
多くのWebアプリケーションは、エネルギーコストを考慮したスケジューリング、Web広告の予算配分、ソーシャルネットワークでのグラフマッチングなど、最適化問題の解決に頼っている。
統一システムにおける予測と意思決定の性能について考察する。
我々は、現在のアプローチを包括的に分類し、既存の実験シナリオを統合する。
論文 参考訳(メタデータ) (2023-11-13T13:19:34Z) - 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) - Quantifying the Echo Chamber Effect: An Embedding Distance-based
Approach [28.715087124800565]
本稿では,Echo Chamber Score(ECS)について紹介する。
ユーザ間の距離測定を容易にするために,自己教師付きグラフオートエンコーダを用いたユーザ埋め込みモデルであるEchoGAEを提案する。
本研究は、エコーチャンバーの定量化とオンライン談話のダイナミックスに光を流すツールとしてのECSの有効性を示す。
論文 参考訳(メタデータ) (2023-07-10T16:11:33Z) - Tensions Between the Proxies of Human Values in AI [20.303537771118048]
AIコミュニティは、これらの柱の特定の定式化を選択するすべての結果を検討する必要がある、と私たちは主張する。
我々は,後者のフレームワークに関する社会工学的な研究をめざしているが,実際に実施するためには,より広範な努力が必要である。
論文 参考訳(メタデータ) (2022-12-14T21:13:48Z) - Relational Proxies: Emergent Relationships as Fine-Grained
Discriminators [52.17542855760418]
本稿では,オブジェクトのグローバル部分とローカル部分の間の情報を利用してラベルを符号化する手法を提案する。
我々は、理論的な結果に基づいてプロキシを設計し、7つの挑戦的なきめ細かいベンチマークデータセットに基づいて評価する。
また、この理論を実験的に検証し、複数のベンチマークで一貫した結果を得る。
論文 参考訳(メタデータ) (2022-10-05T11:08:04Z) - 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) - Balancing Competing Objectives with Noisy Data: Score-Based Classifiers
for Welfare-Aware Machine Learning [43.518329314620416]
我々は、私的目的(利益など)と公共目的(社会福祉など)とを明確にトレードオフするアルゴリズム政策を研究する。
我々の結果は、社会福祉に影響を与える決定に機械学習を使うことにおける本質的にのトレードオフを浮き彫りにした。
論文 参考訳(メタデータ) (2020-03-15T02:49:39Z)
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。