Detailansicht
Designing link recommendation methods to reduce polarization
Jonas Luca Quenzer
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Informatik
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Data Science
Betreuer*in
Yllka Velaj
DOI
10.25365/thesis.78237
URN
urn:nbn:at:at-ubw:1-28086.70651.118395-2
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
In dieser Arbeit geht es um das Problem der Polarisierung in sozialen Netzwerken. Oft interagieren Nutzer fast ausschließlich mit Gleichgesinnten, wodurch Filterblasen entstehen, die den Austausch mit anderen Meinungen einschränken. Um dem entgegenzuwirken, entwickeln wir Algorithmen, die gezielt neue Verbindungen zwischen unterschiedlichen ideologischen Gruppen schaffen. Dadurch soll die Polarisierung reduziert und der Austausch über verschiedene Gemeinschaften hinweg verbessert werden. Unser Ansatz basiert auf dem Independent Cascade Model (ICM), das beschreibt, wie Informationen in einem Netzwerk verbreitet werden. Wir formulieren das Problem so, dass wir die optimalen k neuen Kanten identifizieren, die dem Netzwerk hinzugefügt werden sollten, um den Informationsfluss zwischen Gruppen zu maximieren. Da unsere Zielfunktion monoton und submodular ist, können wir effiziente Approximationsalgorithmen entwickeln. In unseren Experimenten testen wir verschiedene Methoden zur Auswahl von Startknoten (Seeds) und zur Hinzufügung neuer Kanten. Diese Tests führen wir sowohl an realen Netzwerken – wie dem Twitter-Interaktionsnetzwerk des US-Kongresses und AVES-WEAVER-SOCIAL – als auch an synthetischen Netzwerken mit unterschiedlichen Homophilie-Werten durch. Unsere Ergebnisse zeigen, dass unsere speziell entwickelte Strategie durchweg bessere Ergebnisse liefert als herkömmliche Ansätze. Sie erreicht höhere Aktivierungswerte über verschiedene Netzwerkstrukturen und Seed-Strategien hinweg. Besonders effektiv ist das strategische Hinzufügen von Kanten in Netzwerken mit starker Homophilie (h = 0,8), wo die Gruppenstrukturen am deutlichsten ausgeprägt sind. Unsere Methode zeigt ihre Stärken unabhängig von der Netzwerkgröße: Während kleinere Netzwerke anfangs einen schnellen Anstieg der Aktivierung verzeichnen, dieser aber früh abflacht, entwickeln größere Netzwerke eine gleichmäßigere, aber nachhaltige Verbesserung mit steigender Anzahl neuer Kanten. Diese Arbeit hilft dabei, die Dynamik der Polarisierung in sozialen Netzwerken besser zu verstehen und bietet praktische Lösungen, um die Vielfalt der Meinungen in Online-Diskussionen zu fördern. Damit könnte sie einen Beitrag zu gesünderen digitalen Räumen leisten, die den offenen Diskurs durch mehr Meinungsvielfalt unterstützen.
Abstract
(Englisch)
This thesis addresses the problem of polarization in social networks, where users primarily interact with like-minded individuals, creating echo chambers that limit exposure to diverse viewpoints. We develop algorithms to reduce polarization by strategically adding new edges between different ideological communities. Our approach leverages the Independent Cascade Model (ICM) to model information diffusion. It formulates the polarization minimization problem as finding the optimal set of k edges to add to the network that maximizes cross-community information flow. Our objective function is monotone and submodular, which allows us to develop efficient approximation algorithms. The experimental study evaluates different seed selection methods and edge addition techniques across real-world networks (Twitter Interaction Network for the US Congress, AVES-WEAVER-SOCIAL) and synthetic networks with varying homophily values. Our results demonstrate that our Custom modification strategy consistently outperforms baseline approaches in activation metrics across various network configurations and seed functions. The findings indicate that strategic edge addition is particularly effective in networks with high homophily (h = 0.8), where community divisions are strongest. The Custom strategy maintains its advantage across networks of different sizes, with smaller networks showing steeper initial activation but earlier plateaus, while larger networks show more gradual but sustained improvement with increasing k values. This work contributes to understanding polarization dynamics in social networks. It offers practical approaches for promoting diverse information exposure, potentially creating healthier online environments that support democratic discourse through increased viewpoint diversity and reduced confirmation bias.
Schlagwörter
Schlagwörter
(Deutsch)
Strategische Katenhinzufügung Einflussmaximierung Netzwerkpolarisierung Independent-Cascade-Modell
Schlagwörter
(Englisch)
Social Network Polarization Influence Maximization Idependet Cascade Model Stratetic Edge Addition
Autor*innen
Jonas Luca Quenzer
Haupttitel (Englisch)
Designing link recommendation methods to reduce polarization
Paralleltitel (Deutsch)
Entwicklung von Link-Empfehlungsmethoden zur Reduzierung von Polarisierung
Publikationsjahr
2025
Umfangsangabe
vi, 53 Seiten : Illustrationen
Sprache
Englisch
Beurteiler*in
Yllka Velaj
Klassifikation
31 Mathematik > 31.12 Kombinatorik. Graphentheorie
AC Nummer
AC17497714
Utheses ID
75442
Studienkennzahl
UA | 066 | 645 | |