[論文レビュー] Mitigating Confirmation Bias on Twitter by Recommending Opposing Views

Elisabeth Lex, Mario Wagner+1 more|arXiv (Cornell University)|Sep 11, 2018

Misinformation and Its Impacts参考文献 9被引用数 8

ひとこと要約

本稿では、確認バイアスを軽減するため、Twitter上で反対の政治的意見にさらされるようにするハイブリッドコンテンツベース推薦システムを提案する。TF-IDF trigram ベクトルと Apache Solr の MoreLikeThis を用いたコサイン類似度を活用し、プロ・トランプおよびアンチ・トランプグループのツイートを推薦することで、特にコンテンツを混合する際、確率的で多様性に富んだ推薦が得られ、その最適な比率はグループ固有の多様性に依存する。

ABSTRACT

In this work, we propose a content-based recommendation approach to increase exposure to opposing beliefs and opinions. Our aim is to help provide users with more diverse viewpoints on issues, which are discussed in partisan groups from different perspectives. Since due to the backfire effect, people's original beliefs tend to strengthen when challenged with counter evidence, we need to expose them to opposing viewpoints at the right time. The preliminary work presented here describes our first step into this direction. As illustrative showcase, we take the political debate on Twitter around the presidency of Donald Trump.

研究の動機と目的

• ソーシャルメディアにおける確認バイアスを軽減するため、ユーザーが反対の政治的立場の意見にさらされるようにすること。
• プロ・トランプおよびアンチ・トランプのTwitterユーザーから発信されるツイートを統合するコンテンツベースの推薦システムを設計すること。
• 従来の正確性指標を上回る多様性と確率的要因を向上させる混合推薦の有効性を評価すること。
• 既存の信念の強化を最小限に抑える一方で、推薦品質を最大化するための、政党寄りコンテンツの最適な混合戦略を同定すること。
• 共通の立場に立つコンテンツを導入する最適なタイミングと文脈的トリガーを探索し、受容性と影響力を向上させること。

提案手法

• 手動で選択された政党寄りハッシュタグを用いて、73,868件のツイートを39,698アカウントから収集し、プロ・トランプおよびアンチ・トランプユーザーを特定した。
• フォロワー数、フォロー数、いいね数、ツイート数の四分位範囲を用いてアカウントをフィルタリングし、管理アカウントや外れ値を除外した。その結果、5,672件の英語ツイートを発信するユーザーが得られた。
• 各ユーザーのツイートを連結し、TF-IDF trigram ベクトルを計算した。その後、問題の立場ベクトルとのコサイン類似度を用いてユーザーの立場を分類した。
• Apache Solr の MoreLikeThis を活用したコンテンツベースフィルタリング推薦エンジンを実装し、ユーザーの頻出語の上位15語の trigram を基に推薦を生成した。
• 10万件のツイート（プロ・トランプ5万件、アンチ・トランプ5万件）の推薦セットを生成し、ユーザーの trigram と候補ツイートとの間でコサイン類似度を計算した。
• 4つの推薦バリエーション（標準：同じ立場、反対立場、ハイブリッド：50/50混合）を評価し、確率的要因と多様性指標を用いた。

実験結果

リサーチクエスチョン

• RQ1 コンテンツベースの推薦システムは、どのようにしてTwitter上で反対の政治的意見にさらされるように設計できるか？
• RQ2 プロ・トランプおよびアンチ・トランプのツイートを混合することにより、推薦の多様性と確率的要因にどのような影響を与えるか？
• RQ3 政党寄りユーザー集団内でのトピック類似度の本質的類似性は、推薦の多様性にどのような影響を与えるか？
• RQ4 プロ・トランプおよびアンチ・トランプコンテンツの最適な混合比は何か？ これは、推薦の多様性と確率的要因を最大化するためのものである。
• RQ5 共通の立場に立つコンテンツを導入する最適なタイミングはいつか？ これはユーザーの受容性を高め、逆効果を抑えるために重要である。

主な発見

• ハイブリッド推薦バリエーションは、プロ・トランプおよびアンチ・トランプユーザーの両方で最高の多様性スコアを記録し、それぞれ0.728および0.701を達成した。これは、多様なコンテンツが効果的に混合されていることを示している。
• 反対立場推薦バリエーションは、各グループで最高の確率的要因を記録し、アンチ・トランプユーザーで0.951、プロ・トランプユーザーで0.943を達成した。これは、相手側のコンテンツを推薦することで、驚きや新規性が向上することを示している。
• アンチ・トランプユーザーは、プロ・トランプユーザー（27.7%）と比較して顕著に高い平均トピック類似度（44.6%）を示しており、アンチ・トランプグループ内での本質的多様性が低いことを示している。
• ハイブリッドアプローチは、純粋な立場ベースの推薦よりも多様性に優れていたが、グループレベルの多様性の違いを考慮した最適なコンテンツ混合比の調整が必要である。
• 『プロ・トランプ』バリエーションは、アンチ・トランプユーザーの多様性においてハイブリッドバリエーションを上回った。これは、より均質なグループを過剰に代表すると、全体の多様性が低下することを示唆している。
• 本研究は、極端化や確認バイアスを軽減することを目的としたシステムの評価において、正確性を超える指標（確率的要因や多様性）が不可欠であることを確認した。