推荐系统、蚁群效应和流行性的暴政-计算机科学-搜索算法-信息检索-人机交互-人工智能.pdfVIP

推荐系统、蚁群效应和流行性的暴政

ZackaryOkunDunivin1∗

PaulSmaldino2,3

1UniversityofCalifornia,Davis

2UniversityofCalifornia,Merced

3SantaFeInstitute

本

译July10,2025

中

2

v

2

6Abstract

1

6

0

6.科学推荐系统，如谷歌学术和WebofScience，是发现的重要工具。通过蚁涂现象

0（一种集体智能机制）驱动的工作搜索算法揭示了有用的路径，这种机制通过重复参与

5

2来实现这一目标。虽然通常有效，但这种“富者更富”的动态导致少量高知名度论文主

:

v导可见性。本文认为这些算法对流行度的过度依赖培养了知识同质性，并加剧了结构

i

x性不平等，扼杀了科学进步所需的关键创新和多样化视角。我们建议对搜索平台进行

r

a

改造，纳入用户特定校准，允许研究人员手动调整诸如流行度、时效性和相关性的因

素权重。我们还向平台开发人员提出如何实施文本嵌入和大语言模型的建议，以增加

用户的自主性。虽然我们的建议特别适用于将推荐系统与科学价值观保持一致，但这

些想法广泛适用于一般的信息访问系统。设计增加用户自主权的平台是朝着构建更加

稳健和动态的信息生态系统迈出的重要一步。

关键词：搜索算法；信息检索；人机交互；人工智能；复杂系统

∗Correspondingauthor:zdunivin@ucdavis.edu

1

介绍

在文化和知识市场中，成功不仅仅由质量驱动。相反，可见性和可访问性增加了重要

性并降低了搜索成本，从而提升了高知名度项目的受欢迎程度，并形成了一个流行度导致

更多流行度的循环。以音乐实验室实验(Salganiketal.,2006)为例，该实验构建了一个简

化的歌曲推荐系统，发现最初在登录页面上推广的歌曲被播放的可能性要大得多，这与质

量关系不大。这进一步增加了这些歌曲的可见性，并最终导致了我们越来越习以为常的那

种巨大的曝光不平等（Frank2011）。这个实验突显了推荐系统如何塑造消费模式，从而影

响品味、可行性和周围的文化。

推荐系统已经成为日常生活中无处不在的元素，掌控着我们对媒体、消费品和信息的

访问。随着时间的推移，我们的个人和职业生活的内容越来越受到其核心算法的影响。这

些系统也是科学研究的关键驱动力，塑造了我们发现现有理念、方法和成果的方式。诸如

谷歌学术和科学网这样的科研推荐系统不仅促进了科学研究，还影响着它的内容。因此，值

得反思这些系统在科学知识生产中的作用，评估它们所反映的隐含价值观，并思考如何改

变它们以更好地支持良好的科学研究。

信息素驱动推荐系统

推荐系统之所以有效，是因为存在蚁群效应，这是一种在人类和非人类社会系统中通

过间接协调的过程。例如，蚂蚁释放的信息素路径展示了局部互动如何产生集体行为的涌

现模式，而无需集中控制。随着每只蚂蚁跟随它能感知到的最强信息素梯度，并同时留下

自己的信息素，整个群体的移动模式逐渐趋于一致，最终所有蚂蚁都会沿着同一条狭窄的

小径行进。(TheraulazandBonabeau,1999)

在像Google搜索和Google学术这样的推荐系统中，蚁涂现象表现为优先连接(van

DykeParunak,2005)。被高度引用或频繁访问的项目会被不成比例地展示出来，形成重尾

分布，少数项目占据大部分注意力——富者愈富(Friezeetal.,2006)。这种分布可能有