[论文解读] The Impact of the Filter Bubble -- A Simulation Based Framework for Measuring Personalisation Macro Effects in Online Communities

Thomas Gottron, Felix Schwagereit|arXiv (Cornell University)|Dec 20, 2016

Opinion Dynamics and Social Influence参考文献 11被引用 3

一句话总结

本文提出了一种基于代理的仿真框架，用于衡量个性化算法导致的在线社区中宏观层面的过滤气泡效应。通过主题建模和网络生成模型，比较了基于内容的个性化与基于作者的个性化，发现尽管两者在精度提升方面相似，但基于内容的过滤通过保持更广泛的社会网络和词汇多样性，减轻了过滤气泡的严重性。

ABSTRACT

The term filter bubble has been coined to describe the situation of online users which---due to filtering algorithms---live in a personalised information universe biased towards their own interests.In this paper we use an agent-based simulation framework to measure the actual risk and impact of filter bubble effects occurring in online communities due to content or author based personalisation algorithms. Observing the strength of filter bubble effects allows for opposing the benefits to the risks of personalisation.In our simulation we observed, that filter bubble effects occur as soon as users indicate preferences towards certain topics.We also saw, that well connected users are affected much stronger than average or poorly connected users. Finally, our experimental setting indicated that the employed personalisation algorithm based on content features seems to bear a lower risk of filter bubble effects than one performing personalisation based on authors.

研究动机与目标

• 衡量个性化算法对在线社区信息多样性之宏观影响。
• 探究当用户表达主题偏好时，过滤气泡效应是否以及如何产生。
• 比较基于内容的个性化与基于作者的个性化在社交网络结构和词汇多样性方面的风险与收益。
• 识别在模拟的在线社区中，哪些用户群体最受过滤气泡效应影响。

提出的方法

• 仿真采用基于代理的模型，其中代理代表用户，根据个人主题兴趣生成和消费信息。
• 采用生成式网络模型构建具有不同程度用户连接度的社会网络，包括枢纽节点。
• 采用前沿的主题建模方法为信息分配主题，反映用户兴趣与内容的相关性。
• 实现两种个性化算法：一种基于信息内容特征进行过滤，另一种基于作者的主题档案。
• 该框架通过测量精确率、召回率、活跃社交网络规模和词汇多样性，量化过滤气泡效应。
• 仿真实验通过改变核心主题与边缘主题兴趣的概率等参数，评估不同用户偏好条件下算法的影响。

实验结果

研究问题

• RQ1 个性化算法在在线社区的宏观层面上在多大程度上诱发了过滤气泡效应？
• RQ2 基于内容的个性化与基于作者的个性化在社交网络结构和词汇多样性方面的影响有何不同？
• RQ3 哪些用户群体——尤其是连接度方面——最易受过滤气泡效应影响？
• RQ4 在保持高精度的前提下，基于内容的个性化是否能减轻过滤气泡的严重性，相比基于作者的过滤？

主要发现

• 一旦用户表明对核心主题的偏好，过滤气泡效应即刻显现，导致其基于自身兴趣产生信息偏见感知。
• 连接度高的用户比平均或连接度低的用户显著更易受过滤气泡效应影响，因其信息暴露量更高，且受到算法的强化。
• 相比基于内容的个性化，基于作者的个性化导致活跃社交网络规模和词汇多样性显著减少。
• 尽管精确率和召回率相似，基于内容的个性化导致的过滤气泡效应更轻微，能更好地保持更广泛的社会与语言接触。
• 仿真表明，用户仍可接触到非主题信息，表明过滤气泡并非绝对，可能通过用户行为实现逆转。
• 结果表明，基于内容的个性化可能是一种更平衡的策略，在最小化社会与认知隔离的同时，维持用户体验的优势。