論文の概要: Dynamics of Algorithmic Content Amplification on TikTok
- arxiv url: http://arxiv.org/abs/2503.20231v1
- Date: Wed, 26 Mar 2025 04:54:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-27 13:19:50.142098
- Title: Dynamics of Algorithmic Content Amplification on TikTok
- Title(参考訳): TikTokにおけるアルゴリズムコンテンツ増幅のダイナミクス
- Authors: Fabian Baumann, Nipun Arora, Iyad Rahwan, Agnieszka Czaplicka,
- Abstract要約: 本稿では,TikTokにおけるコンテンツ増幅のダイナミクスについて検討する。
以上の結果から,ボットの関心に沿うコンテンツが大幅に増幅されることが判明した。
TikTokのアルゴリズムはいくつかのコンテンツの多様性を保っているが、増幅と探索の間には強い負の相関がある。
- 参考スコア(独自算出の注目度): 0.8013988941721116
- License:
- Abstract: Intelligent algorithms increasingly shape the content we encounter and engage with online. TikTok's For You feed exemplifies extreme algorithm-driven curation, tailoring the stream of video content almost exclusively based on users' explicit and implicit interactions with the platform. Despite growing attention, the dynamics of content amplification on TikTok remain largely unquantified. How quickly, and to what extent, does TikTok's algorithm amplify content aligned with users' interests? To address these questions, we conduct a sock-puppet audit, deploying bots with different interests to engage with TikTok's "For You" feed. Our findings reveal that content aligned with the bots' interests undergoes strong amplification, with rapid reinforcement typically occurring within the first 200 videos watched. While amplification is consistently observed across all interests, its intensity varies by interest, indicating the emergence of topic-specific biases. Time series analyses and Markov models uncover distinct phases of recommendation dynamics, including persistent content reinforcement and a gradual decline in content diversity over time. Although TikTok's algorithm preserves some content diversity, we find a strong negative correlation between amplification and exploration: as the amplification of interest-aligned content increases, engagement with unseen hashtags declines. These findings contribute to discussions on socio-algorithmic feedback loops in the digital age and the trade-offs between personalization and content diversity.
- Abstract(参考訳): インテリジェントなアルゴリズムは、私たちが遭遇し、オンラインと関わり合うコンテンツをますます形作る。
TikTokのFor Youフィードは、極端なアルゴリズムによるキュレーションを例示し、ビデオコンテンツのストリームを、ユーザーによるプラットフォームとの明示的で暗黙的なインタラクションに基づいて調整する。
注目度は高まっているが、TikTokのコンテンツ増幅のダイナミクスはほとんど定量化されていない。
TikTokのアルゴリズムは、ユーザの関心に合ったコンテンツを、どの程度の速さで増幅しますか?
これらの疑問に対処するため、私たちは、TikTokの"For You"フィードに参加するために、異なる関心を持つボットをデプロイするソック・パペット監査を実施しています。
以上の結果から,ボットの関心に沿うコンテンツが大幅に増幅されていることが明らかとなった。
増幅はすべての利益に対して一貫して観察されるが、その強度は興味によって変化し、トピック固有の偏見の出現を示す。
時系列分析とマルコフモデルは、永続的なコンテンツ強化や、時間とともにコンテンツの多様性が徐々に低下するなど、推奨力学の異なるフェーズを明らかにする。
TikTokのアルゴリズムはいくつかのコンテンツの多様性を保っているが、増幅と探索の間に強い負の相関がある。
これらの知見は、デジタル時代の社会・アルゴリズム的フィードバックループと、パーソナライゼーションとコンテンツ多様性のトレードオフに関する議論に寄与する。
関連論文リスト
- Enhancing Multi-Text Long Video Generation Consistency without Tuning: Time-Frequency Analysis, Prompt Alignment, and Theory [92.1714656167712]
本稿では,単一または複数プロンプトで生成されたビデオの一貫性とコヒーレンスを高めるため,時間的注意強調アルゴリズム(TiARA)を提案する。
本手法は拡散モデルにおける周波数に基づく手法の第一種である理論的保証によって支持される。
複数のプロンプトが生成するビデオについては、プロンプト品質に影響を及ぼす重要な要因をさらに調査し、プロンプトブレンド(PromptBlend)という高度なビデオプロンプトパイプラインを提案する。
論文 参考訳(メタデータ) (2024-12-23T03:56:27Z) - Query-centric Audio-Visual Cognition Network for Moment Retrieval, Segmentation and Step-Captioning [56.873534081386]
ビデオ検索、モーメント検索、モーメントセグメンテーション、ステップキャプションを含む新しいトピックHIRESTが紹介されている。
3つのタスクに対して信頼性の高いマルチモーダル表現を構築するために,クエリ中心の音声視覚認知ネットワークを提案する。
これにより、ユーザが優先するコンテンツを認識し、3つのタスクに対してクエリ中心の音声視覚表現を実現することができる。
論文 参考訳(メタデータ) (2024-12-18T06:43:06Z) - Sentiment and Hashtag-aware Attentive Deep Neural Network for Multimodal Post Popularity Prediction [1.3845503845316387]
ソーシャルメディア利用者は、幅広いテーマについて意見を表明し、ソーシャルメディアプラットフォームへの投稿を通じて自身の経験を共有する。
マルチAlposT pOpularity pRedictionのためのセグティメントとhAshtag対応の注意深いneuRal netwoRkを提案する。
論文 参考訳(メタデータ) (2024-12-14T08:18:23Z) - Isolating authorship from content with semantic embeddings and contrastive learning [49.15148871877941]
作者は内部にスタイルとコンテンツが絡み合っている。
本稿では,意味的類似性モデルを用いて合成的に生成した強みを付加したコントラスト学習手法を提案する。
この切り離し技術は、コンテンツ埋め込み空間をスタイル埋め込み空間から遠ざけることを目的としており、スタイル埋め込みをより情報伝達する。
論文 参考訳(メタデータ) (2024-11-27T16:08:46Z) - Learning Spectral-Decomposed Tokens for Domain Generalized Semantic Segmentation [38.0401463751139]
本稿では、フロンティアを前進させるための新しいスペクトルdEcomposed Token(SET)学習フレームワークを提案する。
特に、凍結されたVFM特徴は、まず周波数空間の位相成分と振幅成分に分解される。
提案手法は, 提案手法を用いて, 推論中におけるスタイル影響表現と静的トークンのギャップを埋める手法である。
論文 参考訳(メタデータ) (2024-07-26T07:50:48Z) - SpikeMba: Multi-Modal Spiking Saliency Mamba for Temporal Video Grounding [50.337896542603524]
時間的ビデオグラウンドティングのためのマルチモーダル・スパイク・サリエンシ・マンバであるSpikeMbaを紹介した。
我々のアプローチでは、スパイキングニューラルネットワーク(SNN)と状態空間モデル(SSM)を統合して、そのユニークな利点を活用する。
我々の実験は、最先端の手法を一貫して上回るSpikeMbaの有効性を実証した。
論文 参考訳(メタデータ) (2024-04-01T15:26:44Z) - 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) - An Empirical Investigation of Personalization Factors on TikTok [77.34726150561087]
TikTokのアルゴリズムがプラットフォームの成功とコンテンツの配布に重要であるにもかかわらず、アルゴリズムの実証的な分析はほとんど行われていない。
我々は,私たちが開発したカスタムアルゴリズムを用いたソック・パペット・監査手法を用いて,TikTokへのアクセスに使用される言語と位置情報の効果を検証,分析した。
その結果,フォローフェールが最も強い影響を受けており,ライクフェールやビデオ視聴率が高いことが判明した。
論文 参考訳(メタデータ) (2022-01-28T17:40:00Z) - Towards Tokenized Human Dynamics Representation [41.75534387530019]
我々は,ビデオの時間的パターンを自己監督的に分割し,クラスタ化する方法について検討した。
我々は、ケンドールのTauによるフレームワイド表現学習ステップと、正規化された相互情報と言語エントロピーによる語彙構築ステップを評価する。
AIST++とPKU-MMDデータセットでは、アクトンはいくつかのベースラインと比較して大幅にパフォーマンスが改善されている。
論文 参考訳(メタデータ) (2021-11-22T18:59:58Z)
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。