- ArguMentor: 提升用户体验与对立观点
ArguMentor 设计了一个全套系统,它突出了意见文章中的论点,并利用 LLM 为其生成反驳观点,然后根据当前事件为文章生成基于上下文的摘要。通过额外的功能如问答机器人,辩论和突出触发窗口,该系统进一步增强了用户的交互和理解。我们的调查 - 回音室内部:推特信息误导的语言基础
社交媒体用户通过分享包含错误信息的帖子或对有争议的话题发表无根据的论点来推动在线上的错误信息传播,在回声室中,由同质性和信息传播中的偏见推动,用户的观点通过与志同道合的同伴重复交互得到加强,本研究探讨了如何通过语言使用来调解围绕错误信息的对 - HearHere: 基于人工智能的网页系统减轻新闻消费中的回音室现象
通过两个可视化工具,HearHere 为用户提供定量的政治立场信息,促进多视角的新闻信息消费。通过一项用户研究,我们展示了 HearHere 在支持来自各个角度的信息消费方面的可行性,并强调提供政治立场信息和量化用户的政治地位的重要性以减轻 - 主张感知图神经网络预测谣言传播
在本研究中,我们提出了一种立场感知的图神经网络(stance-aware GNN),利用用户立场主动预测信息传播,通过定制四条信息传递路径以及可训练的注意力权重来提供解释性。通过在真实数据集上评估,立场感知的 GNN 在击败基准测试 32. - 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 - 量化回音室效应:一种基于嵌入距离的方法
社交媒体平台的崛起促进了回声室的形成,这是一种在线空间,用户主要遇到强化他们现有信念的观点,同时排斥异议。本文提出了回声室分数(ECS),这是一种评估用户社区内聚和分离程度的新指标,通过衡量用户在嵌入空间中的距离来实现。为了测量用户之间的距 - 仇恨分子利用共鸣空间升级仇恨言论扩散
本研究分析了三个流行的在线社交网络上超过 680 万用户发布的超过 3200 万篇帖子,发现仇恨言论传播更多取决于仇恨分子的互动和信息扩散,而不是被单独定位的仇恨内容,这种凝聚力主要通过 “回音室” 互动中用户之间的相互作用进行扩大。
- 量化仇恨社群如何在线上激进化用户
本文以 Reddit 社区为例,测量加入具有仇恨言论的极端社区对该社交媒体平台中仇恨言论传播的影响,研究发现加入这种社区会导致恶意言论在平台上传播,并且这种负面影响会持续数月,为降低仇恨言论传播的风险,有必要对这些 “回音室” 进行管理。
- 动态因果协同过滤
本文提出了一种具有循环过程的因果图并使用马尔可夫过程分析了回音室等数学特性,设计了一种动态因果协作过滤模型来减轻回音室现象并通过多次实验证明其优越性。
- 从非政治内容推断政治倾向:《Top Gear》还是《黑镜》?
开发了一种机器学习分类器,通过社交媒体上的非政治文本和用户关注的账户来推断政治取向,并发现新闻分享存在鲜明的左右分化,而体育新闻则不具有政治倾向性。
- ACLKCD:知识漫步和文本线索增强新闻媒体中的政治观点检测
本文提出一种名为 KCD 的方法,通过多跳知识推理和文本线索作为段落级标签来进行政治观点的检测,该方法可帮助打破信息封闭和政治极化,实验表明该方法在两个基准数据集上优于当前最先进的方法。
- AAAI人员推荐对回声室和极化的影响
本文提出了一个基于 Monte Carlo 模拟的框架来评估人们推荐算法对意见演变的影响,结果发现人们推荐算法确实会导致峡谷效应显著增加,但仅在网络中有相当数量的同质性的情况下发生。
- YouTube 上的跨政党讨论:保守派与自由派进行交流,但自由派不与保守派对话
通过对 2020 年八个月间从 973 个美国党派媒体频道收集的 274,241 个政治视频和 9.3M 个用户发表的 1.34 亿个评论的大规模测量研究,我们发现 YouTube 上自由派和保守派之间存在着大量跨党派的交流,但这种交流并不 - Reddit 上政治互动讨论板块中未出现的回声
通过对 Reddit 上 2016 年美国总统选举辩论的研究,我们发现用户之间存在交错的政治对话,与传统回音室观点相反,并探讨了可能的社会人口学影响。
- ACL走出回音室:检测对抗性辩论言论
本文研究如何检测能够有效反驳特定论点而非只是特定立场的文章,以解决社交媒体时代如何应对信息封锁和假新闻的问题。针对辩论演讲,给定一个演讲稿,我们的目标是从一组与其立场相反的演讲中找出直接反驳它的演讲。通过研究此问题,我们提供了一个包含 3, - 社交网络中的同溶团和极化动态建模
本文研究了社交媒体上自我封闭和观点极化的机制,通过引入激进化动力学模型,在不同的主题和社交状态下发现了社交影响和话题争议度对极化的影响,对社交媒体上自我封闭和观点极化的机制提出了新的见解。
- 推荐系统中的退化反馈环路
本研究探讨了机器学习在推荐系统中的应用,分析了用户动态和推荐系统行为对 “回声室” 和 “筛选气泡” 现象的影响及其解决方案。该研究有助于理解和解决该领域仍然存在的复杂时间情景及其常见问题。
- WWW网络上的社群互动与冲突
本研究考察了网站 Reddit 上 36,000 个社区之间的互动和如何导致冲突和负面互动。研究者发现少数社区 (小于 1%) 导致了 74% 的冲突,而冲突往往由高活跃度的社区成员开始,但由低活跃度的成员执行。冲突导致了 “回声室” 的形 - WWW我、我的回音室和我:关于社交媒体极化的内省
本研究通过 Social Mirror 流行网络可视化工具在 Twitter 上的随机试验,发现建议用户关注相反政治意识形态的帐户能够减少用户对自己社交网络联系的政治同质性的信念,但仍可在治疗后一周增加他们的联系多样性,而增强其对 Twit - WWW社交媒体上的政治话语:回声室、门卫和两党合作的代价
本文研究了社交媒体上的政见共鸣箱现象,通过比较社交媒体用户分享和接收内容的政治倾向度量,发现 Twitter 用户往往暴露于认同自己政见的政治观点之中,并探讨了试图打破共鸣箱的网络中介者的困境与关键色彩,同时研究了消费多元观点但产出片面政治