論文の概要: Constructing Political Coordinates: Aggregating Over the Opposition for Diverse News Recommendation
- arxiv url: http://arxiv.org/abs/2511.17574v1
- Date: Fri, 14 Nov 2025 23:04:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-07 19:06:32.294065
- Title: Constructing Political Coordinates: Aggregating Over the Opposition for Diverse News Recommendation
- Title（参考訳）: 政治的コーディネートの構築 : 異種ニュース勧告の議論を巡って
- Authors: Eamon Earl, Chen Ding, Richard Valenzano, Drai Paulen-Patterson,
- Abstract要約: ニュースレコメンデーターシステム(NRS)は、政治の混乱と情報過負荷を最小限に抑えるのに有用であることが示されている。
NRSは、読者の関心を記事の読み史における党派的偏見と区別することが多い。
相互作用の延長により、これはフィルターバブルの形成とユーザパルチザンの分極をもたらす。
- 参考スコア（独自算出の注目度）: 1.1787037402510556
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In the past two decades, open access to news and information has increased rapidly, empowering educated political growth within democratic societies. News recommender systems (NRSs) have shown to be useful in this process, minimizing political disengagement and information overload by providing individuals with articles on topics that matter to them. Unfortunately, NRSs often conflate underlying user interest with the partisan bias of the articles in their reading history and with the most popular biases present in the coverage of their favored topics. Over extended interaction, this can result in the formation of filter bubbles and the polarization of user partisanship. In this paper, we propose a novel embedding space called Constructed Political Coordinates (CPC), which models the political partisanship of users over a given topic-space, relative to a larger sample population. We apply a simple collaborative filtering (CF) framework using CPC-based correlation to recommend articles sourced from oppositional users, who have different biases from the user in question. We compare against classical CF methods and find that CPC-based methods promote pointed bias diversity and better match the true political tolerance of users, while classical methods implicitly exploit biases to maximize interaction.
- Abstract（参考訳）: 過去20年間で、ニュースや情報へのオープンアクセスが急速に増加し、民主社会における教育的な政治的成長が促進された。
ニュースレコメンデータシステム(NRS)はこのプロセスにおいて有用であることが示されており、個人に重要なトピックに関する記事を提供することで、政治的混乱と情報過負荷を最小限に抑える。
残念なことに、NRSは、記事の読み史におけるパルチザン的偏見と、好まれるトピックのカバレッジに最も人気のある偏見とを、ユーザー関心の根底に打ち明けることがしばしばある。
相互作用の延長により、これはフィルターバブルの形成とユーザパルチザンの分極をもたらす。
本稿では,特定のトピック空間におけるユーザの政治的パルチザンをモデル化する,コンストラクテッド政治コーディネート (CPC) と呼ばれる新しい埋め込み空間を提案する。
我々は、CPCに基づく相関を用いた単純な協調フィルタリング(CF)フレームワークを適用し、問題となるユーザと異なるバイアスを持つ反対ユーザからの記事を推薦する。
我々は,従来のCF手法と比較し,CPCに基づく手法は,視点バイアスの多様性を促進し,ユーザの真の政治的寛容とよく一致し,古典的手法は相互作用を最大化するためにバイアスを暗黙的に活用する。
関連論文リスト
- Latent Topic Synthesis: Leveraging LLMs for Electoral Ad Analysis [51.95395936342771]
ラベルなしコーパスから解釈可能なトピック分類を自動生成するエンドツーエンドフレームワークを提案する。
われわれはこの枠組みを、2024年アメリカ合衆国大統領選挙の1ヶ月前のMeta政治広告の大規模なコーパスに適用する。
提案手法は,潜在談話構造を明らかにし,意味的に豊かなトピックラベルを合成し,モラル・フレーミングの次元でトピックを注釈する。
論文 参考訳（メタデータ） (2025-10-16T20:30:20Z) - Beyond Partisan Leaning: A Comparative Analysis of Political Bias in Large Language Models [6.549047699071195]
本研究では、大規模言語モデルにおける政治的行動を評価するために、ペルソナフリーでトピック固有のアプローチを採用する。
米国、ヨーロッパ、中国、中東で開発された43の大規模言語モデルからの反応を分析した。
発見は、ほとんどのモデルが中心左あるいは左イデオロギー的にリーンであり、非党派的エンゲージメントパターンが異なることを示している。
論文 参考訳（メタデータ） (2024-12-21T19:42:40Z) - Analyzing News Engagement on Facebook: Tracking Ideological Segregation and News Quality in the Facebook URL Dataset [2.047424180164312]
我々は、2017年1月から2020年12月までの4年間にわたる、人気のあるニュースドメインとの関わりを包括的に分析する。
我々は、リベラルで保守的で穏健な聴衆のために、イデオロギーの重み付けされた平均とニュース消費の質を構築した。
トレンドには2つの大きな変化があり、それぞれがエンゲージメントの変化に結びついている。
論文 参考訳（メタデータ） (2024-09-20T12:50:17Z) - Whose Side Are You On? Investigating the Political Stance of Large Language Models [56.883423489203786]
大規模言語モデル(LLM)の政治的指向性について,8つのトピックのスペクトルにわたって検討する。
我々の調査は、中絶からLGBTQ問題まで8つのトピックにまたがるLLMの政治的整合性について考察している。
この結果から,ユーザはクエリ作成時に留意すべきであり,中立的なプロンプト言語を選択する際には注意が必要であることが示唆された。
論文 参考訳（メタデータ） (2024-03-15T04:02:24Z) - Generalizing Political Leaning Inference to Multi-Party Systems:
Insights from the UK Political Landscape [10.798766768721741]
ソーシャルメディアユーザーの政治的傾きを推測する能力は、世論調査の収集に役立つ。
政治的傾きと相互のインタラクションによってラベル付けされたユーザからなるデータセットをリリースする。
我々は、ユーザー間のリツイートという形でのインタラクションが、政治的に傾いた推論を可能にする、非常に強力な機能であることを示します。
論文 参考訳（メタデータ） (2023-12-04T09:02:17Z) - Filter bubbles and affective polarization in user-personalized large
language model outputs [0.15540058359482856]
大規模言語モデル(LLM)は、個々のユーザに対して、モデル出力のパーソナライズを増大させる要因となっている。
事実質問の前にユーザの政治的関連性によって,主要な大規模言語モデルであるChatGPT-3.5をいかに促進させるかを検討する。
論文 参考訳（メタデータ） (2023-10-31T18:19:28Z) - Unveiling the Hidden Agenda: Biases in News Reporting and Consumption [59.55900146668931]
イタリアのワクチン論争に関する6年間のデータセットを構築し、物語と選択バイアスを特定するためにベイジアン潜在空間モデルを採用する。
バイアスとエンゲージメントの間に非線形な関係が見られ、極端な位置へのエンゲージメントが高くなった。
Twitter上でのニュース消費の分析は、同様のイデオロギー的な立場のニュースメディアの間で、一般的なオーディエンスを明らかにしている。
論文 参考訳（メタデータ） (2023-01-14T18:58:42Z) - Two-Stage Neural Contextual Bandits for Personalised News Recommendation [50.3750507789989]
既存のパーソナライズされたニュースレコメンデーション手法は、ユーザの興味を搾取することに集中し、レコメンデーションにおける探索を無視する。
我々は、エクスプロイトと探索のトレードオフに対処する文脈的包括的レコメンデーション戦略に基づいて構築する。
我々はユーザとニュースにディープラーニング表現を使用し、ニューラルアッパー信頼境界(UCB)ポリシーを一般化し、加法的 UCB と双線形 UCB を一般化する。
論文 参考訳（メタデータ） (2022-06-26T12:07:56Z) - Reaching the bubble may not be enough: news media role in online
political polarization [58.720142291102135]
分極を減らす方法は、異なる政治的指向を持つ個人に党間のニュースを分配することである。
本研究は、ブラジルとカナダにおける全国選挙の文脈において、これが成立するかどうかを考察する。
論文 参考訳（メタデータ） (2021-09-18T11:34:04Z) - News consumption and social media regulations policy [70.31753171707005]
我々は、ニュース消費とコンテンツ規制の間の相互作用を評価するために、反対のモデレーション手法であるTwitterとGabを強制した2つのソーシャルメディアを分析した。
以上の結果から,Twitterが追求するモデレーションの存在は,疑わしいコンテンツを著しく減少させることがわかった。
Gabに対する明確な規制の欠如は、ユーザが両方のタイプのコンテンツを扱う傾向を生じさせ、ディスカウント/エンドレスメントの振る舞いを考慮に入れた疑わしいコンテンツに対してわずかに好みを示す。
論文 参考訳（メタデータ） (2021-06-07T19:26:32Z) - Political Polarization in Online News Consumption [14.276551496332154]
投票行動によって測定されるように、政治的偏極は上昇しているようだ。
ここ数年の研究は、分極の原動力としてのWebの役割に焦点を当ててきた。
オンラインニュース消費は、ユーザーが自身の政治的傾きに合わせたニュースソースを訪問することが、他のニュースソースの訪問よりもかなり長いという偏極パターンに従うことを示す。
論文 参考訳（メタデータ） (2021-04-09T22:35:46Z)
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。