論文の概要: Alexandria: A Library of Pluralistic Values for Realtime Re-Ranking of Social Media Feeds

• arxiv url: http://arxiv.org/abs/2505.10839v1
• Date: Fri, 16 May 2025 04:13:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-19 14:36:13.985998
• Title: Alexandria: A Library of Pluralistic Values for Realtime Re-Ranking of Social Media Feeds
• Title（参考訳）: Alexandria: ソーシャルメディアフィードのリアルタイム再帰のための複数の価値のライブラリ
• Authors: Akaash Kolluri, Renn Su, Farnaz Jahanbakhsh, Dora Zhao, Tiziano Piccardi, Michael S. Bernstein,
• Abstract要約: ソーシャルメディアフィードのランキングアルゴリズムは、目的としてエンゲージメントに集中しすぎると失敗する。 ソーシャルメディアのアルゴリズムに$textitlibrary of valuesを提示する。 我々は,ユーザの希望値に基づいて,X/Twitterフィードをリアルタイムで再ランクするブラウザエクステンションを開発した。
• 参考スコア（独自算出の注目度）: 14.541219695017936
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Social media feed ranking algorithms fail when they too narrowly focus on engagement as their objective. The literature has asserted a wide variety of values that these algorithms should account for as well -- ranging from well-being to productive discourse -- far more than can be encapsulated by a single topic or theory. In response, we present a $\textit{library of values}$ for social media algorithms: a pluralistic set of 78 values as articulated across the literature, implemented into LLM-powered content classifiers that can be installed individually or in combination for real-time re-ranking of social media feeds. We investigate this approach by developing a browser extension, $\textit{Alexandria}$, that re-ranks the X/Twitter feed in real time based on the user's desired values. Through two user studies, both qualitative (N=12) and quantitative (N=257), we found that diverse user needs require a large library of values, enabling more nuanced preferences and greater user control. With this work, we argue that the values criticized as missing from social media ranking algorithms can be operationalized and deployed today through end-user tools.
• Abstract（参考訳）: ソーシャルメディアフィードのランキングアルゴリズムは、目的としてエンゲージメントに集中しすぎると失敗する。 この文献は、これらのアルゴリズムは、幸福から生産的な言説まで、一つの話題や理論でカプセル化できるものよりもはるかに多様である、と主張している。 そこで本稿では,ソーシャルメディアのフィードをリアルタイムに再ランク付けするための,LLMを利用したコンテンツ分類器に実装された78の値からなる多元的集合を,ソーシャルメディアアルゴリズムに対して$\textit{library of values}を提示する。 我々は,ユーザの希望値に基づいて,X/Twitterフィードをリアルタイムに再ランクするブラウザエクステンションである$\textit{Alexandria}$を開発することで,このアプローチを検証した。 質的 (N=12) と量的 (N=257) の2つのユーザスタディを通じて, 多様なユーザニーズには大量の値ライブラリが必要であり, より微妙な嗜好とユーザコントロールの向上が期待できることがわかった。 この研究により、ソーシャルメディアランキングアルゴリズムから欠落しているとして批判された価値を、エンドユーザーツールを通じて運用し、現在展開することができると論じる。

関連論文リスト

• Long-Span Question-Answering: Automatic Question Generation and QA-System Ranking via Side-by-Side Evaluation [65.16137964758612]
  大規模言語モデルにおける長文文の活用について検討し,本書全体の読解データを作成する。 我々の目的は、長いテキストの詳細な理解を必要とする問題を分析し、理解し、推論するLLMの能力をテストすることである。
  論文  参考訳（メタデータ） (2024-05-31T20:15:10Z)
• Verified authors shape X/Twitter discursive communities [0.24999074238880484]
  X/Twitter上でのイデオロギー/分散コミュニティのコアは,最も情報に富むインタラクションを明らかにすることで,効果的に識別できることを示す。 この分析は、2022年のイタリアにおける主要な政治出来事に関連する3つのX/Twitterデータセットを考慮して行われる。
  論文  参考訳（メタデータ） (2024-05-08T09:04:46Z)
• Community Needs and Assets: A Computational Analysis of Community Conversations [11.456416081243654]
  Redditから3,511の会話からなるコミュニティのニーズと資産に関する最初のデータセットを紹介します。 このデータセットを用いて、感情分類と一般的な大言語モデルと比較して、発話レベルの分類モデルを評価する。 ニーズに関する会話には否定的な感情と感情があり、資産に関する会話は場所と実体に焦点を当てている。
  論文  参考訳（メタデータ） (2024-03-20T03:14:54Z)
• Simulating Social Media Using Large Language Models to Evaluate Alternative News Feed Algorithms [8.602553195689513]
  ソーシャルメディアはしばしば、有害な会話を増幅し、建設的な会話を妨げていると批判されている。 本稿では、ソーシャルメディアのシミュレーションが、異なるニュースフィードアルゴリズムがオンライン会話の質をいかに形成するかを研究するのに役立つかどうかを問う。
  論文  参考訳（メタデータ） (2023-10-05T18:26:06Z)
• Unsupervised Sentiment Analysis of Plastic Surgery Social Media Posts [91.3755431537592]
  ソーシャルメディアプラットフォームにまたがる膨大なユーザー投稿は、主に人工知能(AI)のユースケースに使われていない。 自然言語処理(NLP)は、コーパス(corpora)として知られるドキュメントの体系を利用して、人間のような言語理解でコンピュータを訓練するAIのサブフィールドである。 本研究は, 教師なし解析の応用により, コンピュータがプラスティック手術に対する否定的, 肯定的, 中立的なユーザ感情を予測できることを示した。
  論文  参考訳（メタデータ） (2023-07-05T20:16:20Z)
• Large Language Models are Diverse Role-Players for Summarization Evaluation [82.31575622685902]
  文書要約の品質は、文法や正しさといった客観的な基準と、情報性、簡潔さ、魅力といった主観的な基準で人間の注釈者によって評価することができる。 BLUE/ROUGEのような自動評価手法のほとんどは、上記の次元を適切に捉えることができないかもしれない。 目的と主観の両面から生成されたテキストと参照テキストを比較し,総合的な評価フレームワークを提供するLLMに基づく新しい評価フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-03-27T10:40:59Z)
• Improved Topic modeling in Twitter through Community Pooling [0.0]
  Twitterの投稿は短いが、他のテキストよりも一貫性が低いことが多い。 著者が同じコミュニティに属しているツイートをグループ化する,トピックモデリングのための新しいプール方式を提案する。 その結果、我々のコミュニティポーリング手法は、2つの異種データセットの指標の大部分において、他の手法よりも優れていた。
  論文  参考訳（メタデータ） (2021-12-20T17:05:32Z)
• Author Clustering and Topic Estimation for Short Texts [69.54017251622211]
  同じ文書中の単語間の強い依存をモデル化することにより、遅延ディリクレ割当を拡張できる新しいモデルを提案する。 同時にユーザをクラスタ化し、ホック後のクラスタ推定の必要性を排除しています。 我々の手法は、短文で生じる問題に対する従来のアプローチよりも、-または----------- で機能する。
  論文  参考訳（メタデータ） (2021-06-15T20:55:55Z)

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。