Search engines could consistently favor certain values over the others, which is considered as biased due to the built-in infrastructures. Many studies have been dedicated to detect, control, and mitigate the impacts of the biases from the perspectives of search engines themselves. In our study, we take the perspective from end-users to analyze their perceptions of search engine biases and their satisfaction when the biases are regulated. In the study, we paired a real search page from search engine Bing with a synthesized page that has more diversities in the results (i.e. less biased). Both pages show the top-10 search items given search queries and we asked participants which one do they prefer and why do they prefer the one selected. Statistical analyses revealed that overall, participants prefer the original Bing pages and the locations where the diversities are introduced are also associated with users' preferences. We found out that users prefer results that are more consistent and relevant to the search queries. Introducing diversities undermines the relevance of the search results and impairs users' satisfaction to some degree. Additionally, we confirmed that users tend to pay more attention to the top portion of the results than the bottom ones.


翻译:搜索引擎可以一贯地偏向某些价值,而其他价值则被认为由于内在基础设施而有偏向性。许多研究都致力于从搜索引擎本身的角度探测、控制和减轻偏见的影响。在我们的研究中,我们从终端用户的角度分析他们对搜索引擎偏向的看法,以及当偏向得到调节时他们的满意度。在研究中,我们从搜索引擎Bing与一个综合网页对齐了一个真正的搜索页面,搜索结果具有更大的多样性(即较少偏向性)。两页都展示了10强搜索项目,并询问参与者他们喜欢哪个,为什么他们喜欢哪个。统计分析显示,总体而言,参与者更喜欢原始的Bing页面,以及引入多样性的地点也与用户的偏好有关。我们发现,用户更喜欢与搜索查询更加一致和相关的结果。我介绍多样性会损害搜索结果的相关性,并在某种程度上损害用户的满意度。此外,我们确认用户往往对结果的顶端部分给予更多的关注。

0
下载
关闭预览

相关内容

【干货书】实体搜索,Entity-Oriented Search,358页pdf
专知会员服务
34+阅读 · 2021年4月9日
专知会员服务
123+阅读 · 2020年9月8日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
已删除
将门创投
5+阅读 · 2020年3月2日
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
CCF A类 | 顶级会议RTSS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年4月17日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
LibRec 精选:推荐系统的论文与源码
LibRec智能推荐
14+阅读 · 2018年11月29日
LibRec 精选:连通知识图谱与推荐系统
LibRec智能推荐
3+阅读 · 2018年8月9日
【推荐】ResNet, AlexNet, VGG, Inception:各种卷积网络架构的理解
机器学习研究会
20+阅读 · 2017年12月17日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
Arxiv
0+阅读 · 2021年7月2日
Arxiv
13+阅读 · 2020年10月19日
Arxiv
35+阅读 · 2019年11月7日
VIP会员
相关VIP内容
相关资讯
已删除
将门创投
5+阅读 · 2020年3月2日
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
CCF A类 | 顶级会议RTSS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年4月17日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
LibRec 精选:推荐系统的论文与源码
LibRec智能推荐
14+阅读 · 2018年11月29日
LibRec 精选:连通知识图谱与推荐系统
LibRec智能推荐
3+阅读 · 2018年8月9日
【推荐】ResNet, AlexNet, VGG, Inception:各种卷积网络架构的理解
机器学习研究会
20+阅读 · 2017年12月17日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
Top
微信扫码咨询专知VIP会员