filter bubble | BriefGPT - AI 论文速递

关键词filter bubble

搜索结果 - 6

基于主题的贝叶斯惊喜和巧合的推荐系统
我们提出了一种基于内容的机制，利用贝叶斯惊喜度量消费者收看并给出评分后物品的惊喜性，并结合协同过滤组件来推荐具有高惊喜潜力的物品，从而避免推荐系统中的筛泡现象。通过实验证明，使用贝叶斯惊喜能够更好地与主题级惊喜手动注释的相关性，并获得更好的
PDFa year ago
BHEISR: 从偏见到平衡的引导 - 通过消除基于知识的推荐中的意识形态隔离促进信念和谐
通过引入创新的中介机构（BHEISR）在个性化推荐系统中，以减轻筛选气泡效应带来的负面影响，同时在用户间取得信仰平衡的目标下，该模型利用用户特定类别信息激发好奇心，鼓励用户拓宽观点，并验证了其对筛选气泡的缓解和平衡用户视角方面的卓越性能。
PDFa year ago
MM审计 YouTube 推荐算法中的虚假信息过滤气泡
本文介绍了一种基于 sock puppet 审计方法的调查研究，旨在研究用户观看不实信息内容时进入误导过滤 “气泡” 的速度以及如何破解这一 “气泡” 封闭。通过人工和机器学习模型对 17,405 个不同视频进行筛选和分类，发现观看反驳错误
PDF2 years ago
最大化社交网络中曝光的多样性
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
PDF6 years ago
IJCAI使用受限赌博机个性化实现平衡新闻
本研究呈现了一个新闻搜索引擎的原型，该引擎根据用户定义的灵活限制，以平衡的视角呈现自由派和保守派文章，目的是减少极端化内容，帮助用户逃脱信息过滤泡沫。此项平衡工作利用最近的约束乐观算法优化技术实现。研究通过将传统的（极端化的）新闻订阅与平
PDF6 years ago
WSDM基于联合非负矩阵分解的 Twitter 意识形态倾向学习
本论文通过机器学习方法，建立了一个自由派 - 保守派意识形态空间模型，对推特上的用户和媒体进行了分类，并提出了一种有效的解决信息过滤气泡问题的方法。
PDF7 years ago