Sep, 2018

最大化社交网络中曝光的多样性

PDF
TL;DR本文提出了一个新方法来最大化社交网络中推荐新闻文章给特定用户的多样性，以确保用户暴露于不同的观点，而不是陷入过滤气泡。综合考虑用户性向、内容、分享概率等因素，该方法能够在保证信息传播最大化的同时实现多样性的平衡。作者通过引入新颖的随机可达集的概念扩展和以期约束来解决这个开放的挑战性问题，并设计了可扩展的近似算法。实验结果表明，该算法在多个真实世界的数据集上运行效率和可扩展性良好。
social mediacitizen participationfilter bubbleinformation propagationdiversity
发现论文，激发创造
  • 社交网络中的信息曝光平衡

    本文提出一种解决在社交网络中平衡信息暴露的问题的算法，通过使用近似算法来找到两组节点，以使两组节点的信息曝光在整个网络中基本上保持平衡。

    Sep, 2017

  • 优化社交内容平衡以减少极化和分歧

    通过重新加权用户关注的账户的相对重要性，我们提出了一种改善社交媒体中极端化和信息孤立化问题的新方法，以在相关性和多样性之间取得平衡，从而降低社交媒体的负面影响，同时保持信息流的质量。我们通过实验验证了这种方法的有效性，并证明其能够促进更健康、更具凝聚力的在线社区。

    Aug, 2023

  • 社交网络信息访问中的空白

    本研究探讨如何在社交网络中传播信息并最小化访问差距，提出了最小最大社会福利函数作为目标函数，并研究了使用贪心策略进行最小最大优化的困难和实用性，并给出了贪心策略经验证据表明在实践中运作良好。

    Mar, 2019

  • 社交网络中的观点最大化

    本研究采用社会舆论动力学模型，将宣传设计问题形式化为识别目标受众的问题，旨在通过他们的积极反馈最大化信息在社交网络中的整体积极反馈，我们设计了解决该问题的算法，并在实际数据上进行了实验，证明了算法的高效性和实用性。

    Jan, 2013

  • 推荐系统中的暴露不平等：长期影响

    本文介绍了一个模型，通过多轮交互模拟用户和链接推荐器之间的反馈循环，研究了推荐算法的长期后果。实验结果表明，少数群体如果足够同质化，则可以从所有链接推荐器中获得不成比例的优势，同时推荐器会加剧富人越富的现象，这种现象独立于少数群体的同质化程度和大小，同时会加剧个体间的曝光不平等现象。

    Dec, 2021

  • 社交网络中减少极端化倾向

    该研究提出了一种可避免过滤气泡的内容筛选和个性化模型，该模型采用多臂赌博机策略，并提供了算法保证和匹配下限。为了避免过滤气泡，该作者集中在由 $i$ 用户在 $T$ 时间步内与平台互动选择来自 $k$ 个类别的内容，同时该平台根据多臂赌博机的概率同时展示少量的不同内容。最后我们提出了一个新型模型，该模型更公平地分配了举例分散的负担，可对推荐进行优化。

    May, 2023

  • 面向多方曝光的推荐公平性

    研究推荐系统中的曝光公平性，提出了一种从消费者和生产者双方角度建模的公平度量，以缓解除了个体用户和物品的不公平之外的更系统性的偏见，进一步研究了曝光公平性维度之间的关系并演示了如何将随机排序策略优化为这些公平目标。

    Apr, 2022

  • 基于数据的社交影响力最大化方法

    本文从数据角度出发，提出一种 credit distribution 模型，结合历史数据和时序属性，较之传统方法更稳健高效的解决了影响力最大化问题。

    Sep, 2011

  • 面向影响最大化的无模型在线学习

    该论文考虑了社交网络中的影响最大化问题，提出了一种可快速从数据中学习的新颖参数化框架并开发了 LinUCB 算法来解决问题。

    Mar, 2017

  • 影响力最大化中的群体公平

    本文提出了公平性算法框架，运用法律和博弈理论概念，以控制不同人群之间的不公平性，从而改善通常会忽略小团体的传统影响最大化技术，并应用于无家可归的年轻人的 HIV 预防干预的实验结果证实了其有效性。

    Mar, 2019