Уровень сегрегации снижается, если предложения по расширению связей внутри сети основываются на одном-другом совместных для двух пользователей знакомствах.
Команда исследователей в России разработала алгоритм, который оптимизирует рекомендации о дружбе и знакомствах в социальных сетях. Новая методика направлена на уменьшение напряжения среди пользователей и более эффективное вовлечение людей в совместные проекты.
Об исследовании ученых из МФТИ рассказывает Ferra.Специалисты отметили, что многие платформы основываются на количестве общих друзей для определения социальной близости. Однако, по их мнению, для снижения разобщенности следует изменить подход к рекомендациям, снизив приоритет этой метрики.
В последние годы внимание исследователей привлекла проблема поляризации мнений и разделения пользователей на враждебные сообщества, что часто связано с алгоритмами подбора контента и друзей. Ученые проанализировали, как параметры алгоритмов влияют на структуру соцсетей, исследовав степень, в которой пользователи формируют связи с похожими на себя.
Результаты показали, что если рекомендации базируются на четырех и более общих друзьях, это ведет к увеличению сегрегации и формированию закрытых сообществ. В то время как предложения, основанные на одном-другом общих знакомых, способствуют снижению ассортативности и сегрегации.
Исследования были проведены на платформах в России, включая "ВКонтакте", и показали положительные результаты, подтверждая возможность создания алгоритмов, способствующих сотрудничеству и сближению пользователей.
Свежие комментарии