論文の概要: Clickbait vs. Quality: How Engagement-Based Optimization Shapes the Content Landscape in Online Platforms

• arxiv url: http://arxiv.org/abs/2401.09804v1
• Date: Thu, 18 Jan 2024 08:48:54 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-19 17:20:42.394454
• Title: Clickbait vs. Quality: How Engagement-Based Optimization Shapes the Content Landscape in Online Platforms
• Title（参考訳）: Clickbait vs. Quality: エンゲージメントベースの最適化がオンラインプラットフォームにおけるコンテンツランドスケープをいかに形作るか
• Authors: Nicole Immorlica, Meena Jagadeesan, Brendan Lucier
• Abstract要約: 我々は、エンゲージメント指標に基づいて競合するコンテンツクリエーター間のゲームを研究し、品質とゲームへの投資に関する均衡決定を分析する。 平衡で作成されたコンテンツは、品質とゲームの間に正の相関関係を示し、Twitterデータセット上でこの発見を実証的に検証する。 おそらく、ユーザーが消費するコンテンツの平均品質は、ゲームのトリックがコンテンツクリエーターが採用するコストが高くなるにつれて均衡的に低下する可能性がある。
• 参考スコア（独自算出の注目度）: 16.26484874313566
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Online content platforms commonly use engagement-based optimization when making recommendations. This encourages content creators to invest in quality, but also rewards gaming tricks such as clickbait. To understand the total impact on the content landscape, we study a game between content creators competing on the basis of engagement metrics and analyze the equilibrium decisions about investment in quality and gaming. First, we show the content created at equilibrium exhibits a positive correlation between quality and gaming, and we empirically validate this finding on a Twitter dataset. Using the equilibrium structure of the content landscape, we then examine the downstream performance of engagement-based optimization along several axes. Perhaps counterintuitively, the average quality of content consumed by users can decrease at equilibrium as gaming tricks become more costly for content creators to employ. Moreover, engagement-based optimization can perform worse in terms of user utility than a baseline with random recommendations, and engagement-based optimization is also suboptimal in terms of realized engagement relative to quality-based optimization. Altogether, our results highlight the need to consider content creator incentives when evaluating a platform's choice of optimization metric.
• Abstract（参考訳）: オンラインコンテンツプラットフォームは通常、レコメンデーションを行う際にエンゲージメントベースの最適化を使用する。 これはコンテンツクリエイターが品質に投資することを奨励するだけでなく、クリックベイトのようなゲームのトリックにも報いる。 コンテンツの全体的影響を理解するために,コンテントクリエーター間のゲームについて,エンゲージメント指標に基づいて検討し,品質とゲームへの投資に関する均衡決定を分析する。 まず,均衡で作成されたコンテンツは品質とゲームの間に正の相関を示し,twitterデータセット上で実証的に検証する。 コンテンツランドスケープの平衡構造を用いて,複数の軸に沿ったエンゲージメントに基づく最適化の下流性能について検討する。 おそらく、ユーザーが消費するコンテンツの平均品質は、ゲームのトリックがコンテンツクリエーターが採用するコストが高くなるにつれて均衡的に低下する可能性がある。 さらに、エンゲージメントベースの最適化は、ランダムなレコメンデーションを持つベースラインよりもユーザユーティリティの面では悪く、またエンゲージメントベースの最適化は、品質ベースの最適化と比較して実現されたエンゲージメントの面では、サブ最適である。 以上から,プラットフォーム選択の最適化指標を評価する際に,コンテンツクリエーターのインセンティブを検討する必要性を浮き彫りにする。

関連論文リスト

• Unveiling User Satisfaction and Creator Productivity Trade-Offs in Recommendation Platforms [68.51708490104687]
  調査力の低い純粋に関連性の高い政策は、短期的ユーザの満足度を高めるが、コンテンツプールの長期的豊かさを損なうことを示す。 調査の結果,プラットフォーム上でのユーザの即時満足度と全体のコンテンツ生産との間には,根本的なトレードオフがあることが判明した。
  論文  参考訳（メタデータ） (2024-10-31T07:19:22Z)
• User Welfare Optimization in Recommender Systems with Competing Content Creators [65.25721571688369]
  本研究では,コンテンツ制作者間での競争ゲーム環境下で,システム側ユーザ福祉の最適化を行う。 本稿では,推奨コンテンツの満足度に基づいて,各ユーザの重みの列を動的に計算する,プラットフォームのためのアルゴリズムソリューションを提案する。 これらの重みはレコメンデーションポリシーやポストレコメンデーション報酬を調整するメカニズムの設計に利用され、それによってクリエイターのコンテンツ制作戦略に影響を与える。
  論文  参考訳（メタデータ） (2024-04-28T21:09:52Z)
• Incentivizing High-Quality Content in Online Recommender Systems [80.19930280144123]
  プロデューサー間のゲームについて検討し、均衡で作成されたコンテンツを分析する。 HedgeやEXP3のような標準的なオンライン学習アルゴリズムは、残念なことにプロデューサに低品質コンテンツを作る動機を与えています。
  論文  参考訳（メタデータ） (2023-06-13T00:55:10Z)
• Online Learning in a Creator Economy [91.55437924091844]
  われわれはクリエーター経済を、ユーザー、プラットフォーム、コンテンツクリエーターの3人組ゲームとして研究している。 私たちは、リターンベースの契約とフィーチャーベースの契約の2つのファミリーを分析します。 滑らかな仮定の下では、リターンベースの契約とレコメンデーションポリシーの協調最適化が後悔をもたらすことを示す。
  論文  参考訳（メタデータ） (2023-05-19T01:58:13Z)
• Gap-closing Matters: Perceptual Quality Evaluation and Optimization of Low-Light Image Enhancement [55.8106019031768]
  低照度画像強調手法の最適化は、エンドユーザーが認識する視覚的品質によって導かれるべきであるという研究コミュニティの見解が高まりつつある。 主観的品質と客観的品質を体系的に評価するためのギャップ閉鎖フレームワークを提案する。 提案手法の有効性を,画質予測の精度と画像強調の知覚品質の両面から検証する。
  論文  参考訳（メタデータ） (2023-02-22T15:57:03Z)
• Supply-Side Equilibria in Recommender Systems [43.140112226575646]
  パーソナライズされたコンテンツレコメンデーションシステムにおけるサプライサイド均衡について検討する。 モデルの主な特徴は,生産者決定空間が多次元であり,ユーザベースが不均一である点である。 専門化は、生産者が均衡でポジティブな利益を得られることを示す。
  論文  参考訳（メタデータ） (2022-06-27T17:52:16Z)
• Modeling Content Creator Incentives on Algorithm-Curated Platforms [76.53541575455978]
  本研究では,アルゴリズムの選択が露出ゲームにおける(ナッシュ)平衡の存在と性格にどのように影響するかを検討する。 本研究では、露出ゲームにおける平衡を数値的に見つけるためのツールを提案し、MovieLensとLastFMデータセットの監査結果を示す。
  論文  参考訳（メタデータ） (2022-06-27T08:16:59Z)
• Feedback Shaping: A Modeling Approach to Nurture Content Creation [10.31854532203776]
  コンテンツ消費者からのフィードバックがクリエーターにインセンティブを与えるかを予測するためのモデリング手法を提案する。 次に、このモデルを利用して、フィードバック分布を再構築することで、コンテンツクリエーターのニュースフィード体験を最適化する。 我々は、LinkedInのニュースフィードに展開されたユースケースを提示し、消費者の体験を損なうことなく、コンテンツ作成を大幅に改善するためにこのアプローチを使用しました。
  論文  参考訳（メタデータ） (2021-06-21T22:53:16Z)

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。