سوگیری الگوریتم های توصیه ناشی از رفتار رتبه بندی کاربران در شبکه های اجتماعی آنلاین

با افزایش ضریب نفوذ شبکه های اجتماعی آنلاین، نقش الگوریتم های توصیه کننده در این پلت فرم ها بیشتر مورد توجه قرار می گیرد و بررسی صحت کارکرد این الگوریتم ها در ارائه توصیه های مناسب حائز اهمیت می باشد. تحقیقات ما نشان می دهد با حضور اطرافیان و آشنایان فرد در شبکه های اجتماعی، شاهد رفتارهایی از سوی کاربران در این شبکه ها هستیم که بیشتر جنبه روانشناسی دارد و بسیاری از کنش های کاربران روی یک پست از احترام یا نزدیکی فرد با صاحب پست نشات می گیرد. این مقاله با نشان دادن قابل پیش بینی بودن رفتار کاربران در قبال پست های منتشر شده توسط دوستان و آشنایان، نقش ارتباطات عاطفی نشات گرفته از روابط اجتماعی پایدار را در پذیرش یک پست بررسی می کند و امکان ارائه توصیه های اشتباه در الگوریتم های مبتنی بر فیلترینگ مشترک به دلیل این سوگیری داده ها را قوت می بخشد.

investigating the possibility of biasing recommendation algorithms from users' rating behavior in online social networks

as online social networks become more widely used, there is a growing focus on the role of recommender algorithms within these platforms. it is important to assess the accuracy of these algorithms in providing suitable recommendations. our research demonstrates that the presence of individuals and acquaintances within social networks influences user behavior in ways that are largely psychological. many user actions on a post are influenced by their respect or closeness to the post's owner. this article explores how the predictability of user behavior towards posts from friends and acquaintances highlights the impact of emotional connections stemming from stable social relationships on post acceptance. it also raises concerns about the potential for incorrect recommendations in algorithms based on collaborative filtering due to data bias caused by these factors.