使用反事实机器人因果估计YouTube推荐系统的影响
摘要：算法推荐是否会放大问题性内容并带来激进化后果，这一问题近年来备受在线平台的批评家关注。然而，试图评估推荐系统效果的尝试一直面临一个问题，即缺乏适当的对照实验，即在没有算法推荐的情况下，用户会看到什么内容，因此无法将算法的影响与用户意愿分离。在本文中，我们提出了一种方法，即“反事实机器人”，以因果估计算法推荐对高度偏见内容消费的作用。通过比较复制真实用户消费模式的机器人和按规则进行轨迹的“反事实”机器人，我们表明，平均而言，仅仅依靠推荐系统导致的偏见消费较少，这种效果在重度偏见消费者中最为显著。按照类似的方法，我们还展示了，如果偏见消费者转向中立内容，YouTube的侧边栏推荐器在大约30个视频后会“忘记”他们的偏见偏好，而主页推荐则更渐进地向中立内容转变。总体而言，我们的研究结果表明，至少在YouTube上，个体消费模式主要反映个体偏好，算法推荐，如果有的话，则起到缓和作用。
作者：Homa Hosseinmardi, Amir Ghasemian, Miguel Rivera-Lanas, Manoel Horta Ribeiro, Robert West, Duncan J. Watts
论文ID：2308.10398
分类：Social and Information Networks
分类简称：cs.SI
提交时间：2023-08-22