[論文レビュー] Filter Bubbles in Recommender Systems: Fact or Fallacy -- A Systematic Review

Qazi Mohammad Areeb, Mohammad Nadeem+6 more|arXiv (Cornell University)|Jul 2, 2023

Sentiment Analysis and Opinion Mining被引用数 8

ひとこと要約

フィルターバブルがレコメンダーシステムに存在するかを体系的に評価し、証拠・手法・緩和アプローチを整理し、今後の研究方向を提案する。

ABSTRACT

A filter bubble refers to the phenomenon where Internet customization effectively isolates individuals from diverse opinions or materials, resulting in their exposure to only a select set of content. This can lead to the reinforcement of existing attitudes, beliefs, or conditions. In this study, our primary focus is to investigate the impact of filter bubbles in recommender systems. This pioneering research aims to uncover the reasons behind this problem, explore potential solutions, and propose an integrated tool to help users avoid filter bubbles in recommender systems. To achieve this objective, we conduct a systematic literature review on the topic of filter bubbles in recommender systems. The reviewed articles are carefully analyzed and classified, providing valuable insights that inform the development of an integrated approach. Notably, our review reveals evidence of filter bubbles in recommendation systems, highlighting several biases that contribute to their existence. Moreover, we propose mechanisms to mitigate the impact of filter bubbles and demonstrate that incorporating diversity into recommendations can potentially help alleviate this issue. The findings of this timely review will serve as a benchmark for researchers working in interdisciplinary fields such as privacy, artificial intelligence ethics, and recommendation systems. Furthermore, it will open new avenues for future research in related domains, prompting further exploration and advancement in this critical area.

研究の動機と目的

• レコメンダーシステムにフィルターバブルが存在するかを評価し、原因を特定する。
• RS におけるフィルターバブルを検出・特徴づける手法を総合する。
• 特に多様化を含む緩和戦略の提案とその有効性を評価する。
• この領域における未解決課題と今後の研究方向のロードマップを提供する。

提案手法

• 構造化された検索と研究選択プロセスに従い、体系的な文献レビューを実施する。
• フィルターバブルに関連するRSを対象とする研究を選別するための含有・除外基準を用いる。
• 証拠としてのフィルターバブルの有無と経験的/仮説的アプローチによって研究を分類する。
• 文献におけるフレームワーク、検出/緩和手法、データセットを要約する。

Figure 1 : Filter bubble

実験結果

リサーチクエスチョン

• RQ1 レコメンデーションシステムにフィルターバブルは存在するのか、存在理由は何か。
• RQ2 レコメンダーシステムにおけるフィルターバブルの存在をどのように特定できるか。
• RQ3 フィルターバブルの影響をレコメンダーシステムでどのように緩和하거나回避できるか。

主な発見

• 収集セットのうち29件の研究がフィルターバブルの存在を認め、解決策や関連理論を提案している。
• 実証的証拠を提供した実験は4件にすぎず、存在を見出さなかった研究は2件、存在について明示的にコメントしなかった研究は5件である。
• 多様化と多様性を意識した戦略は、フィルターバブルを緩和する有効なアプローチとして繰り返し提案されている。
• ニュース、音楽、映画、ソーシャルネットワークなど、さまざまなドメインやデータソース（例：MovieLens、実世界データセット）がフィルターバブル研究に用いられている。
• 本レビューは未解決の課題を特定し、緩和戦略を進展させるための今後の研究方向を示す。

Figure 2 : Implemented search procedure.