[论文解读] Social Networks and Social Information Filtering on Digg

Kristina Lerman|ArXiv.org|Dec 7, 2006

Recommender Systems and Techniques参考文献 3被引用 66

一句话总结

本文研究了 Digg（一个社交新闻聚合平台）上的社交过滤机制，表明用户更有可能参与其朋友点赞或提交的新闻故事，验证了社交过滤作为信息推荐方法的有效性。研究发现，社交网络虽能提升内容可见性，但也存在‘少数人暴政’的风险，即一小撮相互关联的用户主导首页内容，促使平台对算法进行调整以提升内容多样性。

ABSTRACT

The new social media sites -- blogs, wikis, Flickr and Digg, among others -- underscore the transformation of the Web to a participatory medium in which users are actively creating, evaluating and distributing information. Digg is a social news aggregator which allows users to submit links to, vote on and discuss news stories. Each day Digg selects a handful of stories to feature on its front page. Rather than rely on the opinion of a few editors, Digg aggregates opinions of thousands of its users to decide which stories to promote to the front page. Digg users can designate other users as ``friends'' and easily track friends' activities: what new stories they submitted, commented on or read. The friends interface acts as a \emph{social filtering} system, recommending to user stories his or her friends liked or found interesting. By tracking the votes received by newly submitted stories over time, we showed that social filtering is an effective information filtering approach. Specifically, we showed that (a) users tend to like stories submitted by friends and (b) users tend to like stories their friends read and liked. As a byproduct of social filtering, social networks also play a role in promoting stories to Digg's front page, potentially leading to ``tyranny of the minority'' situation where a disproportionate number of front page stories comes from the same small group of interconnected users. Despite this, social filtering is a promising new technology that can be used to personalize and tailor information to individual users: for example, through personal front pages.

研究动机与目标

• 通过分析用户行为，评估社交过滤在 Digg 上推荐新闻故事的有效性。
• 研究社交网络如何影响新闻故事的可见性及其被推送到 Digg 首页的程度。
• 考察 unintended consequences（非预期后果），例如‘少数人暴政’现象，即一小撮活跃用户不成比例地主导首页内容。
• 将 Digg 的社交过滤方法与 Reddit 的协同过滤方法进行比较，评估其相对有效性。
• 评估算法变更对用户多样性及首页内容代表性的影响。

提出的方法

• 追踪故事随时间的投票模式，以分析用户对朋友分享内容的参与度。
• 通过识别共同好友并追踪好友活动（如提交、点赞、评论）来分析用户社交网络。
• 可视化排名靠前用户之间的共同好友网络，以检测用户群组及影响力传播路径。
• 测量首页故事获得的最大点赞数，作为提交者用户排名的函数。
• 对比算法变更前后（2006年11月）的数据，评估投票多样性降低对首页多样性的影响。
• 使用统计分析方法，关联用户排名与故事受欢迎程度及首页推荐率。

实验结果

研究问题

• RQ1 用户是否倾向于点赞其朋友提交的 Digg 新闻故事？
• RQ2 用户是否对朋友已阅读并点赞的故事表现出更高的参与度？
• RQ3 社交网络在多大程度上促进了故事被推送到 Digg 首页？
• RQ4 一小撮相互关联的用户主导首页内容的现象是否导致了‘少数人暴政’？
• RQ5 与 Reddit 的协同过滤方法相比，社交过滤的有效性如何？

主要发现

• 用户显著更可能点赞朋友提交的故事，证实了社交过滤的有效性。
• 用户对朋友已点赞的故事也表现出更高的参与度，表明社交信号能够传播兴趣。
• 一个由30位排名靠前、彼此互为好友的用户组成的单一集群，主导了首页的可见性，导致‘少数人暴政’现象。
• Digg 改进推广算法以优先考虑投票多样性后，每位用户的平均首页故事数量从1.6件降至1.2件，表明多样性得到改善。
• 新算法成功降低了顶级用户的影响，但其对社交网络形成长期影响尚不明确。
• 社交过滤能够基于朋友的活动实现个性化首页，为解决全球首页内容‘多数人暴政’问题提供了有效方案。