AI框架解释你的社交媒体订阅,提高透明度和可解释性

编辑 | bie管我叫啥

发布 | ATYUN订阅号

Feed是现代音乐推荐,新闻聚合器和社交媒体平台的基石。

如果你像大多数人一样,你每天会花几分钟到几个小时滚动浏览歌曲,剪辑,文章,以及根据你的兴趣和偏好做出的广告。但是,如果支持Feed的算法(及其建议)更加透明就更好了。

分析交互图

马克斯普朗克信息学研究所的研究人员研究了一个框架——活动项目关系发现框架FAIRY,用于系统地发现、排列并解释用户行为与社交媒体提要中出现的内容之间的联系。

论文的合著者写道,透明度和可解释性是现代社会认知超载、过滤气泡、用户跟踪和隐私风险的关键问题,feed源于一个人的兴趣,友谊网络,在平台上的行为以及外部趋势的复杂组合。

随着时间的推移,用户积累了数千个共同构成个人资料的行为(帖子,赞成,喜欢,评论等),使用户无法记住所有这些细节。

FAIRY试图通过使用用户可见的信息创建用户特定的交互图来解决这一难题。它从真实的社交媒体平台数据中学习预测相关性与出乎意料的模型,然后利用学习到的排名技术来揭示和排名图表中的关系。

引导FAIRY的功能分为五组:用户,类别,项目,路径实例和路径模式,其中“路径”指的是解释路径。用户的影响力(例如,跟随者与被跟随者的比率)被衡量为对其活动的补充,以及他们与各种feed项目的接触。

研究人员指出,由于典型人员进行的feed交互量很大,因此图表实体关系的范围从数千到数百万。前面提到的学习排名方法通过仅向用户呈现相关(通常用作令人满意的解释)或出乎意料(被遗忘的或未知的关系)的前几个连接使得它们更容易解析。

训练与测试

在研究中,科学家们委托20名志愿者与两个平台进行互动,Quora和Last.fm,并使用新账户,每个账户有5个粉丝。

在几个会话过程中,他们至少在两个服务中的一个上花费了20个小时,执行至少12个活动,同时在滚动整个feed后找出并非显而易见的项目。在每次会话之后,团队更新交互图并在挖掘feed项的解释路径之前,为每个用户选择三个并非显而易见的建议。

在一系列测试中,研究人员发现,FAIRY在预测用户认为相关和令人惊讶的解释的任务方面优于三个关系挖掘基线。他们将其成功归功于用户影响范围和学习到排名方法的强大信息网络表示,并且他们认为该工作是朝着提高社交媒体feed透明度目标迈出的第一步。

在未来,该团队计划将FAIRY作为浏览器插件实施,并进一步调查用户在多个平台上的活动效果。

论文:

arxiv.org/pdf/1908.03109.pdf

End

原文发布于微信公众号 - ATYUN订阅号(atyun_com)

原文发表时间:2019-08-13

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

扫码关注云+社区

领取腾讯云代金券