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
- 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) - 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) - 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) - Fair learning with Wasserstein barycenters for non-decomposable
performance measures [8.508198765617198]
本研究は,人口順の制約下での精度の最大化が,対応する回帰問題の解法と等価であることを示す。
この結果を線形屈折法分類尺度(例えば$rm F$-score、AM測度、平衡精度など)に拡張する。
論文 参考訳(メタデータ) (2022-09-01T13:06:43Z) - A Community-Aware Framework for Social Influence Maximization [40.842329580198324]
我々は、影響の最大化(IM)の問題を考える:「もし、ソーシャルネットワーク内の一部の個人を説得して、新しい製品やイノベーションを採用することができれば、その目標は、どの個人がターゲットにすべきかという大きなカスケードを誘発することである」。
本研究では,地域社会に固有のコミュニティ構造を学習すること (i) それぞれのコミュニティに影響を及ぼす問題を解くことによって,候補ソリューションを生成すること (ii) 新規なプログレッシブ予算方式を用いて,候補ソリューションから個人の最終セットを選択すること (iii) を提案する。
論文 参考訳(メタデータ) (2022-07-18T20:43:17Z) - Towards a Fairness-Aware Scoring System for Algorithmic Decision-Making [35.21763166288736]
本稿では,データ駆動型フェアネス対応スコアリングシステムを構築するための一般的なフレームワークを提案する。
提案するフレームワークは,実践者や政策立案者に対して,希望する公正性要件を選択するための柔軟性を提供する。
論文 参考訳(メタデータ) (2021-09-21T09:46:35Z) - 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。