論文の概要: Rebalancing Social Feed to Minimize Polarization and Disagreement
- arxiv url: http://arxiv.org/abs/2308.14486v1
- Date: Mon, 28 Aug 2023 10:59:05 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-29 14:21:31.606537
- Title: Rebalancing Social Feed to Minimize Polarization and Disagreement
- Title(参考訳): 分散化と分散化を最小化するソーシャルフィードの再バランス
- Authors: Federico Cinus, Aristides Gionis, Francesco Bonchi
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 24.939887831898453
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Social media have great potential for enabling public discourse on important
societal issues. However, adverse effects, such as polarization and echo
chambers, greatly impact the benefits of social media and call for algorithms
that mitigate these effects. In this paper, we propose a novel problem
formulation aimed at slightly nudging users' social feeds in order to strike a
balance between relevance and diversity, thus mitigating the emergence of
polarization, without lowering the quality of the feed. Our approach is based
on re-weighting the relative importance of the accounts that a user follows, so
as to calibrate the frequency with which the content produced by various
accounts is shown to the user. We analyze the convexity properties of the
problem, demonstrating the non-matrix convexity of the objective function and
the convexity of the feasible set. To efficiently address the problem, we
develop a scalable algorithm based on projected gradient descent. We also prove
that our problem statement is a proper generalization of the undirected-case
problem so that our method can also be adopted for undirected social networks.
As a baseline for comparison in the undirected case, we develop a semidefinite
programming approach, which provides the optimal solution. Through extensive
experiments on synthetic and real-world datasets, we validate the effectiveness
of our approach, which outperforms non-trivial baselines, underscoring its
ability to foster healthier and more cohesive online communities.
- Abstract(参考訳): ソーシャルメディアは、重要な社会問題に関する公開談話を可能にする大きな可能性を秘めている。
しかし、偏光やエコーチャンバーのような副作用は、ソーシャルメディアの利点に大きな影響を与え、これらの効果を緩和するアルゴリズムを呼び出す。
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,関連性と多様性のバランスを保ち,フィードの品質を低下させることなく,偏光の発生を緩和する新たな問題定式化を提案する。
本手法は,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。
本研究では,問題の凸性を解析し,対象関数の非行列凸性と実現可能な集合の凸性を示す。
この問題を効率的に解決するために,投影勾配降下に基づくスケーラブルなアルゴリズムを開発した。
また,提案手法を無向ソーシャルネットワークにも適用できるように,問題文が無向ケース問題の適切な一般化であることを証明した。
非方向性の場合の比較のベースラインとして、最適解を提供する半定値プログラミングアプローチを開発する。
合成および実世界のデータセットに関する広範な実験を通じて、我々のアプローチの有効性を検証し、非自明なベースラインを上回り、より健康的でより密着的なオンラインコミュニティを育む能力を強調します。
関連論文リスト
- An Efficient Local Search Approach for Polarized Community Discovery in Signed Networks [3.2688425993442696]
我々は,友好的あるいは敵対的な相互作用を示すために,エッジを正あるいは負のラベルでラベル付けしたサイン付きネットワークについて検討する。
我々はFrank-Wolfe最適化に基づく手法を開発し、証明可能な収束保証付き局所探索手法を提案する。
提案手法は,計算効率の面で競争力を維持しつつ,スケーラブルかつ効率よく,ソリューション品質における最先端のベースラインを達成できる。
論文 参考訳(メタデータ) (2025-02-04T10:22:01Z) - Towards Recommender Systems LLMs Playground (RecSysLLMsP): Exploring Polarization and Engagement in Simulated Social Networks [6.813586966214873]
本稿では,Large Language Models (LLMs) を利用した新しいシミュレーションフレームワークを提案する。
説明的、静的、動的属性を持つ多様なAIエージェントを作成することで、3つのシナリオにわたって自律的な振る舞いを評価する。
本研究は, 社会的分極を緩和しつつ, ユーザの満足度を高めるためのレコメンデータシステム設計において, 慎重なバランスの必要性を強調するものである。
論文 参考訳(メタデータ) (2025-01-29T14:23:34Z) - A Semidefinite Relaxation Approach for Fair Graph Clustering [1.03590082373586]
本研究では、異なる影響原理の枠組みの中で、公正なグラフクラスタリングを導入する。
我々は、基礎となる最適化問題を近似するために半定緩和法を用いる。
論文 参考訳(メタデータ) (2024-10-19T22:51:24Z) - Reduced-Rank Multi-objective Policy Learning and Optimization [57.978477569678844]
実際には、因果研究者は先験を念頭において1つの結果を持っていない。
政府支援の社会福祉プログラムでは、政策立案者は貧困の多次元的性質を理解するために多くの成果を集めている。
本稿では、最適政策学習の文脈において、複数の結果に対するデータ駆動型次元性推論手法を提案する。
論文 参考訳(メタデータ) (2024-04-29T08:16:30Z) - Causal Disentanglement for Regulating Social Influence Bias in Social
Recommendation [12.120586712440673]
ソーシャルレコメンデーションシステムは、社会的影響バイアスの問題に直面しており、友人が交流したアイテムの推薦に過大評価される可能性がある。
本稿では,CDRSBというソーシャルレコメンデーションにおけるソーシャルインフルエントバイアスの規制のための因果ディスタングルに基づくフレームワークを提案し,レコメンデーション性能の向上を図る。
論文 参考訳(メタデータ) (2024-03-06T09:48:48Z) - 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) - A Unified Framework of Policy Learning for Contextual Bandit with
Confounding Bias and Missing Observations [108.89353070722497]
本研究では,観測データを用いた最適ポリシの獲得を目的とした,オフラインのコンテキスト的帯域幅問題について検討する。
本稿では、積分方程式系の解として報酬関数を形成するCausal-Adjusted Pessimistic(CAP)ポリシー学習という新しいアルゴリズムを提案する。
論文 参考訳(メタデータ) (2023-03-20T15:17:31Z) - BayesIMP: Uncertainty Quantification for Causal Data Fusion [52.184885680729224]
本研究では,複数の因果グラフに関連するデータセットを組み合わせ,対象変数の平均処理効果を推定する因果データ融合問題について検討する。
本稿では、確率積分とカーネル平均埋め込みのアイデアを組み合わせて、再生されたカーネルヒルベルト空間における干渉分布を表現するフレームワークを提案する。
論文 参考訳(メタデータ) (2021-06-07T10:14:18Z) - Differentiable Causal Discovery from Interventional Data [141.41931444927184]
本稿では、介入データを活用可能なニューラルネットワークに基づく理論的基盤化手法を提案する。
提案手法は,様々な環境下での美術品の状態と良好に比較できることを示す。
論文 参考訳(メタデータ) (2020-07-03T15:19:17Z) - Fair Influence Maximization: A Welfare Optimization Approach [34.39574750992602]
我々は、公正な影響アルゴリズムが満たすべき特性を原則的に特徴づける。
この枠組みの下では、公平性と効率性のトレードオフは単一の設計逆転パラメータによって制御できる。
我々の枠組みは、特殊ケースのレキシミンと比例フェアネスを包含する。
論文 参考訳(メタデータ) (2020-06-14T14:08:10Z) - GenDICE: Generalized Offline Estimation of Stationary Values [108.17309783125398]
重要なアプリケーションでは,効果的な推定が依然として可能であることを示す。
我々のアプローチは、定常分布と経験分布の差を補正する比率を推定することに基づいている。
結果として得られるアルゴリズム、GenDICEは単純で効果的である。
論文 参考訳(メタデータ) (2020-02-21T00:27:52Z)
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。