論文の概要: Understanding the Information Cocoon: A Multidimensional Assessment and Analysis of News Recommendation Systems
- arxiv url: http://arxiv.org/abs/2509.11139v1
- Date: Sun, 14 Sep 2025 07:17:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-16 17:26:22.940204
- Title: Understanding the Information Cocoon: A Multidimensional Assessment and Analysis of News Recommendation Systems
- Title（参考訳）: ニュースレコメンデーションシステムの多次元評価と分析
- Authors: Xin Wang, Xiaowen Huang, Jitao Sang,
- Abstract要約: コクーンは均質な情報バブルだ ユーザーのバイアスを強化し 社会的偏光を増幅する
この研究は、情報ココーンのための最初の統一されたメートル法フレームワークを確立し、倫理的レコメンデーションシステムのためのデプロイ可能なソリューションを提供する。
- 参考スコア（独自算出の注目度）: 21.88044123585431
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Personalized news recommendation systems inadvertently create information cocoons--homogeneous information bubbles that reinforce user biases and amplify societal polarization. To address the lack of comprehensive assessment frameworks in prior research, we propose a multidimensional analysis that evaluates cocoons through dual perspectives: (1) Individual homogenization via topic diversity (including the number of topic categories and category information entropy) and click repetition; (2) Group polarization via network density and community openness. Through multi-round experiments on real-world datasets, we benchmark seven algorithms and reveal critical insights. Furthermore, we design five lightweight mitigation strategies. This work establishes the first unified metric framework for information cocoons and delivers deployable solutions for ethical recommendation systems.
- Abstract（参考訳）: パーソナライズされたニュースレコメンデーションシステムは、ユーザのバイアスを強化し、社会的分極を増幅する情報コクーンの均一な情報バブルを不注意に生成する。
先行研究における包括的アセスメントフレームワークの欠如に対処するため,1)トピックの多様性(トピックカテゴリ数,カテゴリ情報エントロピー数を含む)による個別の均質化,およびクリック繰り返し,(2)ネットワーク密度とコミュニティ開放性によるグループ分極を両視点で評価する多次元分析を提案する。
実世界のデータセットに関する複数ラウンドの実験を通じて、7つのアルゴリズムをベンチマークし、重要な洞察を明らかにする。
さらに,5つの軽量化戦略を設計する。
この研究は、情報ココーンのための最初の統一されたメートル法フレームワークを確立し、倫理的レコメンデーションシステムのためのデプロイ可能なソリューションを提供する。
関連論文リスト
- A Systematic Literature Review on Multi-label Data Stream Classification [0.0]
本稿では,マルチラベルデータストリーム分類の提案を詳細に分析する。
文献における最新の手法を特徴付け、包括的概要を提供し、徹底的な階層を構築し、アプローチが各問題にどのようにアプローチするかについて議論する。
我々は,主要なギャップを特定し,今後の研究の方向性を推奨する。
論文 参考訳（メタデータ） (2025-08-24T17:17:15Z) - A Comprehensive Review on Hashtag Recommendation: From Traditional to Deep Learning and Beyond [0.37865171120254354]
ハッシュタグは、基本的な分類メカニズムとして、コンテンツの可視性とユーザエンゲージメントを高める上で重要な役割を果たす。
正確で堅牢なハッシュタグレコメンデーションシステムの開発は、依然として複雑で進化中の研究課題である。
本稿では,ハッシュタグレコメンデーションシステムの体系的解析を行い,近年のいくつかの側面にわたる進歩について検討する。
論文 参考訳（メタデータ） (2025-03-24T13:40:36Z) - Learning Recommender Systems with Soft Target: A Decoupled Perspective [49.83787742587449]
そこで本研究では,ソフトラベルを活用することで,目的を2つの側面として捉えるために,分離されたソフトラベル最適化フレームワークを提案する。
本稿では,ラベル伝搬アルゴリズムをモデル化したソフトラベル生成アルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-10-09T04:20:15Z) - BiVRec: Bidirectional View-based Multimodal Sequential Recommendation [55.87443627659778]
我々は,IDとマルチモーダルの両方で推薦タスクを共同で訓練する,革新的なフレームワークであるBivRecを提案する。
BivRecは5つのデータセットで最先端のパフォーマンスを達成し、様々な実用的な利点を示している。
論文 参考訳（メタデータ） (2024-02-27T09:10:41Z) - Variational Distillation for Multi-View Learning [104.17551354374821]
我々は,多視点表現学習における2つの重要な特徴を利用するために,様々な情報ボトルネックを設計する。
厳密な理論的保証の下で,本手法は,観察とセマンティックラベルの内在的相関の把握を可能にする。
論文 参考訳（メタデータ） (2022-06-20T03:09:46Z) - From Intrinsic to Counterfactual: On the Explainability of
Contextualized Recommender Systems [43.93801836660617]
本研究では、コンテキスト的特徴(例えば、ユーザからの項目レビュー)を活用することで、一連の説明可能なレコメンデータシステムを設計できることを示す。
モデルの透明性を段階的に変化させる3つの方法として,ホワイトボックス,グレーボックス,ブラックボックスの3種類を提案する。
我々のモデルは高い競争力のあるランキング性能を達成し、多数の量的指標と定性的な視覚化の観点から正確かつ効果的な説明を生成する。
論文 参考訳（メタデータ） (2021-10-28T01:54:04Z) - Insight-centric Visualization Recommendation [47.690901962177996]
本稿では,関連洞察群とグループ内の最も重要な洞察群の両方を自動的にランク付けし,推薦する可視化推薦システムを紹介する。
重要な利点は、このアプローチがカテゴリ型、数値型、時間型などの幅広い属性タイプ、およびこれらの異なる属性タイプの複雑な非自明な組み合わせに一般化できることです。
12人の参加者と2つのデータセットでユーザ調査を行い,不慣れなデータからユーザが素早く理解し,関連する洞察を得ることができることを示した。
論文 参考訳（メタデータ） (2021-03-21T03:30:22Z) - Random Walks with Erasure: Diversifying Personalized Recommendations on
Social and Information Networks [4.007832851105161]
ユーザ・項目グラフのランダムウォーク探索を改良することにより,情報多様性の向上を目標とした新しい推薦フレームワークを開発した。
ソーシャルネットワーク上での政治コンテンツを推薦するために,まず,利用者と共有するコンテンツのイデオロギー的立場を推定する新しいモデルを提案する。
これらの推定位置に基づいて,新しいランダムウォークに基づくレコメンデーションアルゴリズムを用いて,多様なパーソナライズドレコメンデーションを生成する。
論文 参考訳（メタデータ） (2021-02-18T21:53:32Z) - Weakly-Supervised Aspect-Based Sentiment Analysis via Joint
Aspect-Sentiment Topic Embedding [71.2260967797055]
アスペクトベース感情分析のための弱教師付きアプローチを提案する。
We learn sentiment, aspects> joint topic embeddeds in the word embedding space。
次に、ニューラルネットワークを用いて単語レベルの識別情報を一般化する。
論文 参考訳（メタデータ） (2020-10-13T21:33:24Z)
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。