Advanced Search
  首页 > 行业动态
研究揭示推荐算法通过放大网络差异来影响社会地位

    社交媒体和分享经济通过利用在线网络建立信任并消除市场障碍, 从而为广大用户创造了新的机会。但越来越多的研究表明, 过去的性别和种族偏见仍持续存在。不论是从男性在Twitter 上更受欢迎, 还是从非裔美国人在Airbnb 上的接受率较低, 都可以看出过去的性别和种族偏见仍持续存在。

    现在, 研究人员利用照片分享网站Instagram 作为测试案例, 演示了两种常见的推荐算法如何放大被称为“同质性”的网络效应, 同质性指的是将类似或志同道合的人聚集在一起。研究人员进一步显示算法如何在网络上变得松散, 同时会使得女性变得更加不容易被发现: 一旦推荐算法被引入, 那些照片不太可能被标记为“喜欢”或被评论的那些女性会变得更不流行。
    研究人员使用的是2014 年的Instagram 数据, 也就是在Facebook 收购之后, 但自动提示关联朋友的功能出来之前的数据。尽管550 000 Instagram 用户的样本中女性人数超过了男性(54%至46%), 但研究人员发现男性照片的接受程度往往更高:52%的男性获得至少10 个“喜欢”或评论, 而女性为48%。正如预期的那样, “同质性”发挥了作用。研究人员发现, 男性“喜欢”或评论其他男性照片的可能性是女性的1.2 倍, 而女性与其他女性互动的只有1.1 倍。
    当研究人员使用两种广泛使用的推荐算法——Adamic-Adar 和Random Walk 时, 研究人员发现, 会被关联或被推荐给至少10 个其他Instagram 用户的女性用户所占比例从原始数据集中的48%分别降至36%和30%。
    作者之一, 哥伦比亚工程学院计算机科学家Augustin Chaintreau 说: “算法挑剔了细微的模式并将其扩大。我们并不是要求算法对数据视而不见, 而是要纠正他们自己放大偏见的倾向。”该项研究表明, 推荐算法除了过滤内容外, 还可能影响社交网络的长期结构。

    (编译自: https://www.sciencedaily.com/releases/2018/04/180420170621.htm)

(本刊讯)

 

发布时间: 2018-06-20   浏览: 5778
版权所有 © 2015 《数据分析与知识发现》编辑部
地址:北京市海淀区中关村北四环西路33号 邮编:100190
电话/传真:(010)82626611-6626,82624938
E-mail:jishu@mail.las.ac.cn