研究:推荐算法反馈循环加剧城市隔离与场所消失
热点事件持续更新
研究:推荐算法反馈循环加剧城市隔离与场所消失
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
Guangyuan Weng 等作者发表论文,基于美国四大都市区细粒度出行数据构建长时模拟框架,发现位置推荐系统的反馈循环会加剧城市收入隔离与场所消失。模拟显示,在各类推荐算法下至少五分之一餐饮场所不再有模拟居民到访,其中过半损失源于模型重训练;算法越准确,人群隔离反而越严重,最准确的算法使实际隔离程度高出 15-21%。 作者称,在平台现有算法上叠加偏好冷门场所的重排序干预,可同时降低场所消失与隔离,且基本不会把人引向不适的场所。
AI 根据报道生成 · 1 小时前更新
最新进展11月2日 13:00
研究:推荐系统反馈循环加剧城市收入隔离与场所消失报道时间线
沿着报道,了解事件的不同侧面。
11月2日
- arXiv cs.CY研究:推荐系统反馈循环加剧城市收入隔离与场所消失
基于美国四大都市区细粒度出行数据的长时模拟发现,在各类推荐算法下至少五分之一餐饮场所不再有模拟居民到访,其中过半损失源于模型重训练。算法越准确,人群隔离反而越严重,最准确的算法使实际隔离程度高出 15-21%。在平台现有算法上叠加偏好冷门场所的重排序干预,可同时降低场所消失与隔离,且基本不会把人引向不适的场所。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。