通过反事实机器人因果估计YouTube推荐系统的效果

近年来，在线平台的批评者对推荐算法放大问题内容的能力表示担忧，这可能导致激进化后果。然而，评估推荐器效果的尝试由于缺乏适当的反事实——在没有算法推荐的情况下用户将观看的内容——而无法将算法的效果与用户的意图分开。在这里，我们提出了一种方法，我们称之为“反事实机器人”，以因果估计算法推荐在YouTube上消费高度偏见内容的作用。通过比较复制真实用户消费模式的机器人与遵循规则基于轨迹的“反事实”机器人，我们显示出平均而言，仅依赖YouTube推荐器会导致较少的偏见消费，其中对于重度偏见消费者这一效果最为明显。采用类似的方法，我们还表明，如果偏见消费者转向中立内容，YouTube的侧边栏推荐器会在大约30个视频内“忘记”他们的偏见偏好，而主页推荐则更逐渐地转向中立内容。总体而言，我们的研究结果表明，至少自从YouTube在2019年实施的算法更改以来，个体消费模式主要反映个体偏好，其中算法推荐在某些情况下扮演了调节者的角色。