理解在线新闻社区的演变对于设计更有效的新闻推荐系统至关重要,但由于缺乏适当的数据集和平台,现有研究在理解推荐系统如何影响社区演化方面存在局限,导致了可能影响长期效用的次优系统设计。
针对这一问题,复旦大学计算机学院CISL研究团队研发了新闻推荐生态系统演化模拟平台SimuLine。
SimuLine基于预训练语言模型(PretrainedLanguageModels)和逆倾向得分(InversePropensityScore)从真实数据中构建了一个反映人类行为的潜在空间,然后通过基于代理模型的仿真(AgentbasedModeling)模拟出新闻推荐生态系统的演化动态。
SimuLine支持在单服务器(256G内存,消费级显卡)上对10000名读者和1000名创作者进行100轮次的创作推荐交互模拟,同时提供包括定量指标、可视化和文本解释在内的综合分析框架。
广泛的仿真实验表明SimuLine在理解社区演化过程、测试推荐算法等方面具有巨大潜力。
作者:张光平,李东胜,顾寒苏,卢暾,尚笠,顾宁
论文地址:https:arxiv。orgabs2305。14103
新闻推荐生态系统演化模拟平台
随着社交媒体(SocialMedia)的普及,人们越来越依赖在线新闻社区来发布和获取新闻,每天都会有数以百万计的新闻被内容创作者发布到各种类型的在线新闻社区,并在推荐系统的分发下被海量用户阅读。
随着新闻内容的生产和消费,在线新闻社区处于一种不间断的动态演化过程中。
与其他类型的在线社区相同,在线新闻社区的发展也符合著名的生命周期理论,也即依次经历启动成长成熟衰退的阶段。
透过生命周期理论的视角,大量的研究工作探讨了在线社区的演化模式,并对生命周期中每个阶段的运作提出了建议。
然...
(全文)