要約
ニュース推奨システムは、民主主義社会における情報アクセスの形成においてますます影響力のある役割を果たしています。
ただし、ユーザーの特定の興味に合わせて推奨事項を調整すると、情報の流れが分散する可能性があります。
情報へのアクセスが分断されていると、公共圏の完全性が脅かされ、民主主義や公共の議論に影響を及ぼします。
断片化メトリクスは、ニュース推奨における情報ストリームの断片化の程度を定量化します。
この指標を正確に測定するには、自然言語処理 (NLP) を適用して、個別のニュース イベント、ストーリー、またはタイムラインを識別する必要があります。
このペーパーでは、ニュースのレコメンデーションにおける断片化を定量化するためのさまざまなアプローチに関する広範な調査を紹介します。
これらのアプローチは、ニュース記事のクラスタリングのパフォーマンスを測定することによって本質的に評価され、また、シミュレートされたさまざまなニュース レコメンダー シナリオの断片化スコアを評価することによって外部的に評価されます。
私たちの調査結果は、SentenceBERT テキスト表現と組み合わせた凝集型階層クラスタリングが、以前の実装よりも断片化の検出において大幅に優れていることを示しています。
さらに、シミュレートされたシナリオの分析により、断片化の測定と解釈に関する貴重な洞察と関係者への推奨事項が得られます。
要約(オリジナル)
News recommender systems play an increasingly influential role in shaping information access within democratic societies. However, tailoring recommendations to users’ specific interests can result in the divergence of information streams. Fragmented access to information poses challenges to the integrity of the public sphere, thereby influencing democracy and public discourse. The Fragmentation metric quantifies the degree of fragmentation of information streams in news recommendations. Accurate measurement of this metric requires the application of Natural Language Processing (NLP) to identify distinct news events, stories, or timelines. This paper presents an extensive investigation of various approaches for quantifying Fragmentation in news recommendations. These approaches are evaluated both intrinsically, by measuring performance on news story clustering, and extrinsically, by assessing the Fragmentation scores of different simulated news recommender scenarios. Our findings demonstrate that agglomerative hierarchical clustering coupled with SentenceBERT text representation is substantially better at detecting Fragmentation than earlier implementations. Additionally, the analysis of simulated scenarios yields valuable insights and recommendations for stakeholders concerning the measurement and interpretation of Fragmentation.
arxiv情報
| 著者 | Alessandra Polimeno,Myrthe Reuver,Sanne Vrijenhoek,Antske Fokkens |
| 発行日 | 2023-09-18 13:05:08+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google