Sessiegerichte aanbevelingen maken nieuws persoonlijk én gevarieerd
Aanbevelingssystemen passen vaak persoonlijke voorkeuren toe om gebruikers bijvoorbeeld nieuws aan te raden. Veel gebruikers van nieuwssites blijven anoniem, waardoor alleen sessiegegevens gebruikt kunnen worden. Traditionele methoden werken hierdoor minder goed. Sessiegerichte systemen blijken beter te presteren, vooral de buurtgebaseerde methoden. Deze studie heeft manieren onderzocht om deze systemen meer diversiteit te laten tonen en filterbubbels te verminderen. Filterbubbels ontstaan wanneer een systeem te eenzijdige informatie aanbiedt. Uit tests op vier datasets blijkt dat de voorgestelde verbeteringen inderdaad de diversiteit verhogen.
Studie over
nieuwsconsumptie
Nieuws
diversiteit
data
Nieuwsmedia
Onderzoeksmethode(n)
Digitale methoden
Mixed method social media analysis
Medium/technologie
App
Smartphone
Sociale media
Soort publicatie
Wetenschappelijk artikel
Tags
Nieuws
nieuwsupdates
polarisatie
diversiteit
echo chambers/filter bubbles
Kerninzichten
Deze studie richt zich op het diverser maken van aanbevelingssystemen (SBRSs) op nieuwssites, zodat gebruikers niet vastzitten in een 'filterbubbel'. Door de voorgestelde methoden toe te passen, kunnen aanbevelingssystemen meer variatie in het nieuwsaanbod bieden. Dit zorgt ervoor dat gebruikers nieuws uit verschillende invalshoeken te zien krijgen.
De vooropgestelde methodes voor sessiegebaseerde aanbevelingssystemen zijn:
Diversificatiebenaderingen: Deze methodes richten zich op het toevoegen van meer diverse items aan de aanbevelingslijst.
Herordening (re-ranking): Aanbevelingslijsten worden herschikt om meer diverse content naar voren te brengen, vooral in systemen zoals SKNN en VSKNN.
STAN en VSTAN: Dit zijn varianten van buurtgebaseerde aanbevelingsystemen die beter presteren op zowel nauwkeurigheid als diversiteit.
De diversificatie zorgt voor een breder aanbod van nieuwsartikelen, wat helpt om polarisatie en fragmentatie onder gebruikers te verminderen. Tegelijk gaat meer diversiteit in nieuwsaanbevelingen vaak ten koste van nauwkeurigheid. Het vinden van een balans tussen deze twee is belangrijk. Sommige methoden, zoals STAN, presteren goed op zowel diversiteit als nauwkeurigheid.
Door meer onderwerpen in aanbevelingen op te nemen, wordt het leesaanbod diverser. In datasets waar artikelen aan meerdere thema’s zijn gekoppeld, worden zelfs hogere diversiteitswaarden bereikt. Er is een sterke relatie tussen diversiteit en het aantal unieke onderwerpen in aanbevelingslijsten. Dit laat zien dat diversificatie effectief is in het verbreden van gebruikerservaringen.
Gharahighehi, A. & Vens, C. (2023). Diversification in session-based news recommender systems. Personal and Obtiquitous Computing, 27, 5-15. https://doi.org/10.1007/s00779-021-01606-4
Onderzoek in de kijker
Elke maand komen er in Vlaanderen gemiddeld 16 nieuwe papers en publicaties uit rond media en communicatie. We selecteren voor jou enkele markante publicaties.