التفاصيل البيبلوغرافية
| العنوان: |
Algorithmic bias in graph-based recommender systems |
| المؤلفون: |
Fabbri, Francesco |
| المساهمون: |
Bonchi, Francesco, Universitat Pompeu Fabra. Departament de Tecnologies de la Informació i les Comunicacions |
| المصدر: |
TDX (Tesis Doctorals en Xarxa) |
| بيانات النشر: |
Universitat Pompeu Fabra |
| سنة النشر: |
2022 |
| المجموعة: |
Tesis Doctorals de la Universitat d'Andorra (TDX) |
| مصطلحات موضوعية: |
Recomender systems, Sistemas de recomendación, Sistemes de recomanació |
| الوقت: |
62 |
| الوصف: |
Recommender Systems represent a key instrument to convey consumption of contents available on the Web. They enhance the engagement among the users and the online platforms through algorithmic personalization. Injecting non-natural interactions consequently cannot have only beneficial effects. Indeed, amplifying and exaggerating human behaviors leads to either the spread of extreme point of views (e.g. polarized or controversial opinions) or the discrimination or mistreatment of a specific group of individuals. In this thesis, we pose the attention on the importance of auditing and mitigating the “algorithmic bias” generated by a recommendation system, emphasizing its role on the networked interactions of users and contents. Through empirical evidences we highlight how the social graph, presenting biased network topology, when used as input, can impact the algorithmic recommendations. This analysis allows to add a perspective on the long-term impact of algorithmic suggestions, leading to design a simulation model able to explain the “feedback-loop” generated on social networks. Auditing the algorithmic bias facilitates the design of strategies able to mitigate algorithmic risks in recommendation, such as radicalization and unfairness. The results found in this thesis raise critical observations about the impact of recommendation algorithms, and hints of the need to design systems able to mitigate biases embedded in data and algorithms, considering both short and long-term perspectives. ; Los sistemas de recomendación representan un instrumento clave para vehicular el consumo de contenidos disponibles en la Web. Mejoran el vínculo entre los usuarios y las plataformas en línea a través de la personalización algorítmica. En consecuencia, la inyección de interacciones no naturales no tiene sólo efectos positivos. La amplificación y exageración de los comportamientos humanos conduce a la difusión de puntos de vista extremos (por ejemplo, opiniones polarizadas o controvertidas) y a la discriminación o el maltrato de un ... |
| نوع الوثيقة: |
doctoral or postdoctoral thesis |
| وصف الملف: |
185 p.; application/pdf |
| اللغة: |
English |
| العلاقة: |
http://hdl.handle.net/10803/675938Test |
| الإتاحة: |
http://hdl.handle.net/10803/675938Test |
| حقوق: |
L'accés als continguts d'aquesta tesi queda condicionat a l'acceptació de les condicions d'ús establertes per la següent llicència Creative Commons: http://creativecommons.org/licenses/by-sa/4.0Test/ ; http://creativecommons.org/licenses/by-sa/4.0Test/ ; info:eu-repo/semantics/openAccess |
| رقم الانضمام: |
edsbas.51BD2858 |
| قاعدة البيانات: |
BASE |
