PulseAugur
中
实时 23:24:10
English(EN) social media rabbit holes, clusters, and the relative mixing times of random walks

社交媒体分析揭示了紧密的右翼集群和分散的左翼内容

作者 PulseAugur 编辑部 · [2 个来源] ·

对社交媒体平台的分析揭示了基于用户共享域名名的不同集群模式。研究发现，Twitter上的右翼内容形成了一个紧密的集群，导致可预测的推荐和用户较短的混合时间。相比之下，左翼和自由派内容更为分散，导致推荐内容种类繁多和混合时间较长。这种集群模式的差异会影响推荐系统（如Twitter的“关注建议”）如何引导用户浏览内容。 AI

影响 理解社交媒体上的内容集群有助于设计更细致、可能更少两极分化的推荐系统。

排序理由 该集群分析了社交媒体平台的结构和用户行为，对推荐系统和内容集群进行了评论，而不是发布新产品或研究发现。

在 Lobsters — AI tag 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

社交媒体分析揭示了紧密的右翼集群和分散的左翼内容

报道来源 [2]

  1. Lobsters — AI tag TIER_1 English(EN) · notes.hella.cheap by bobpoekert ·

    social media rabbit holes, clusters, and the relative mixing times of random walks

    <p><a href="https://lobste.rs/s/hmi3v1/social_media_rabbit_holes_clusters">Comments</a></p>

  2. Mastodon — fosstodon.org TIER_1 English(EN) · [email protected] ·

    social media rabbit holes, clusters, and the relative mixing times of random walks https:// lobste.rs/s/hmi3v1 # ai https:// notes.hella.cheap/twitter-isnt -a-t

    social media rabbit holes, clusters, and the relative mixing times of random walks https:// lobste.rs/s/hmi3v1 # ai https:// notes.hella.cheap/twitter-isnt -a-town-square-its-a-high-school-cafeteria.html

    链接 lobste.rs/…/hmi3v1 notes.hella.cheap/twitter-isnt-a-town-squ…

相关实体

相关话题