$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

개인화 알고리즘으로 필터 버블이 형성되는 과정에 대한 검증
A Verification about the Formation Process of Filter Bubble with Personalization Algorithm 원문보기

멀티미디어학회논문지 = Journal of Korea Multimedia Society, v.21 no.3, 2018년, pp.369 - 381  

전준영 (Dept. of Computer Engineering, Gachon University) ,  황소윤 (Dept. of IT Convergence Engineering, Gachon University) ,  윤영미 (Dept. of Computer Engineering, Gachon University)

Abstract ▼ AI-Helper 아이콘AI-Helper

Nowadays a personalization algorithm is gaining huge attention. It gives users selective information which is helpful and interesting in a deluge of information based on their past behavior on the internet. However there is also a fatal side effect that the user can only get restricted information o...

주제어

#Filter Bubble   #Personalization Algorithm   #LSTM   #Recommender System   #Political Polarization  

질의응답

핵심어 질문 논문에서 추출한 답변
필터 버블이란 무엇인가? 필터 버블(filter bubble)이란 사용자가 개인화 알고리즘에 의해 생기는 정보편식 현상으로 사용자가 제한된 주제의 제한된 정보만을 접하게 되는 것을 말한다. 미국의 시민단체 무브 온(Move on)의 이사장인 Eli Pariser의 저서 생각 조종자들(The FilterBubble : what the internet is hiding from you)에 처음 등장했으며, ‘사용자 견해 고립 현상’, ‘balkanization’ 혹은 ‘global village’이라고도 불린다[1][2][3].
기존 순환신경망에서 발전된 형태의 구조가 새롭게 등장한 이유는 무엇인가? 기존 순환신경망에서 발생하는 기울기 소멸문제를 해결하기 위해, 과거의 정보를 효과적으로 기억할 수 있는 기존의 순환신경망에서 발전된 형태의 구조가 새롭게 등장하였다. 그중 하나인 LSTM은 Hochreiter & Scmidhuber가 1997년 처음 제안했으며, 현재 GRU(Gated Ruccurrent Units)와 함께 가장 대중적인 순환신경망으로 널리 사용되고 있으며, 구조는 Fig.
개인화 알고리즘의 단점은 무엇인가? 하지만 이렇게 편리한 개인화 알고리즘이 항상 장점으로만 작용하는 것은 아니다. 결국 사용자는 수많은 정보 중에서 인간이 아닌 알고리즘이라는 머신에 의해 선별된 제한적인 주제에서 제한적인 정보만을 접하게 된다. 이로 인해 정보 중에서 관심을 가져야할 사회적 문제에 관한 정보는 상대적으로 우선순위에서 뒤로 밀리게 되어 사용자의 시야는 점점 좁아지게 될 것이다. 궁극적으로 사용자는 결국 다양한 의견을 접하지 못해 사용자의 견해가 편협해지는 ‘필터버블’에 갇히게 될 것이다. 더불어 정치적인 관점에서 접근했을 때 문제는 더욱 심각하다. 자신과 반대되는 사람의 의견을 접할 기회가 상대적으로 줄어들게 되어 인터넷을 사용할수록 사용자의 정치적 이념은 한쪽으로 더욱 편향된다. 이는 사회 구성원 간 정치적 대립을 심화시키고 사회적 합의를 도출하는데 커다란 걸림돌이 된다.
질의응답 정보가 도움이 되었나요?

참고문헌 (17)

  1. E. Pariser, The Filter Bubble: What the Internet Is Hiding from You, Penguin Press, New York, 2011. 

  2. P. Resnick, N. Iacovou, M. Suchak, P. Bergstrom, and J.R. GroupLens, "An Open Architecture for Collaborative Filtering of Netnews," Proceeding of the Association for Computing Machinery Conference on Computer Supported Cooperative Work, pp. 175-186, 1994. 

  3. M.V. Alstyne and E. Brynjolfsson, "Global Village or Cyber-balkans? Modeling and Measuring the Integration of Electronic Communities," Journal of Management Science, Vol. 51, No. 6, pp. 851-868, 2005. 

    상세보기 crossref

  4. O.S. Kim and S.W. Lee, “A Movie Recommendation Method Based on Emotion Ontology,” Journal of Korea Multimedia Society, Vol. 19, No. 9, pp. 1068-1082, 2015. 

  5. T.T. Nguyen, P. Hui, F.M. Harper, L. Terveen, and J.A. Konstan, "Exploring the Filter Bubble: The Effect of Using Recommender Systems on Content," Proceeding of Diversity International World Wide Web Conference Committee, pp. 677-686, 2014. 

  6. E. Bozdag, Q. Gao, G. Houben, and M. Warnier, "Does Offline Political Segregation Affect the Filter Bubble? An Empirical Analysis of Information Diversity for Dutch and Turkish Twitter Users," Journal of the Computers in Human Behavior , Vol. 41, pp. 405-415, 2014. 

    상세보기 crossref

  7. M. Haim, A. Graefe, and H. Brosius, "Burst of the Filter Bubble? Effects of Personalization on the Diversity of Google News," Digital Jornalism, No. 1, pp. 1-14, 2018. 

  8. M. Haim, F. Arendt, and S. Scherr, "Abyss or Shelter? On the Relevance of Web Search Engines' Search Results When People Google for Suicide," Journal of Health Communication, Vol. 32, No. 2, pp. 253-258, 2017. 

    crossref

  9. M. Iyyer, P. Enns, J. Boyd-Graber, and P. Resnik, "Political Ideology Detection Using Recursive Neural Networks," Proceeding of the Association for Computational Linguistics, pp. 1113-1122, 2014. 

  10. Pew Research Center, Political Polarization and Media Habits, 2014. 

  11. M. Schuster and K.K. Paliwal, “Bidirectional Recurrent Neural Networks,” Journal of Institute of Electrical and Electronics Engineers Transactions on Signal Processing, Vol. 45, No. 11, pp. 2673-2681, 1997. 

  12. Understanding LSTM Networks, http://colah.github.io (accessed Nov., 08, 2017). 

  13. How to Develop a Bidirectional LSTM For Sequence Classification in Python with Keras, https://machinelearningmastery.com (accessed Nov., 08, 2017). 

  14. Understanding LSTM and Its Diagrams, https://medium.com/@shiyan/ (accessed Nov., 08, 2017). 

  15. Recurrent Neural Networks Tutorial, http://www.wildml.com/ (accessed Nov., 08, 2017). 

  16. M.C. Lee and S.B. Cho, “Accelerometer-based Gesture Recognition Using Hierarchical Recurrent Neural Network with Bidirectional Long Short-term Memory,” Journal of Korean Information Science Society, Vol. 39, No. 12, pp. 1005-1011, 2012. 

  17. J. Pennington, R. Socher, and C. Manning, "Glove: Global Vectors for Word Representation," Proceeding of Empirical Methods in Natural Language Processing, pp. 1532-1543. 2014. 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로