文/劉志毅

今日頭條如何用算法打擊“標題黨”

文/劉志毅

今日頭條建立了檢測“標題黨”的規(guī)則模型，警示頭條號作者的“標題黨”行為。當頭條號作者預(yù)發(fā)布文章的時候，如果標題中出現(xiàn)了“驚呆”“震驚”等內(nèi)容，會收到一個飄黃的窗口，提示其內(nèi)容涉及標題夸張，建議修改，如果作者繼續(xù)強行發(fā)布的話將會被限制推薦量。

今日頭條并不是傳統(tǒng)意義上的媒體，而是一家有媒體屬性的科技公司，一個內(nèi)容創(chuàng)作與分發(fā)的平臺，其愿景是“成為最懂你的信息平臺，連接人與信息，促進創(chuàng)作與交流”。

調(diào)配分發(fā)資源，打擊標題亂象

今日頭條雖然提供資訊信息，但是其內(nèi)部并沒有編輯與記者，平臺上90%的內(nèi)容來源于頭條號，截至2017年3月底，已有超過60萬個人或組織開設(shè)頭條號。這就決定了今日頭條在打擊“標題黨”方面，要做的更多的是從生產(chǎn)層面和分發(fā)層面來進行控制。

具體來說，今日頭條所做的事情就是在分發(fā)的過程中，減少給“標題黨”的分發(fā)資源，而提升那些優(yōu)秀內(nèi)容得到分發(fā)資源的機率。這是提高效率的一種做法，也促使今日頭條能更好地打擊“標題黨”，貫徹主流價值觀，服務(wù)好用戶。

基于文本挖掘的機器“把關(guān)人”

很多“標題黨”常用的內(nèi)容元素其實都是可以在文本層面進行總結(jié)的，交由機器處理的效率會更高。“正則表達式”就是定義一系列與“標題黨”相關(guān)的詞匯來維護一些規(guī)則，進而使用這些規(guī)則來檢測每一篇文章。今日頭條實際有數(shù)百人的審核隊伍，建立起了一套比較完善的規(guī)則，并利用機器算法對每天幾十萬篇的新進文章進行篩選。由此，得到這些文章評級的高低，并對文章的標題和內(nèi)容進行判斷。

今日頭條建立了檢測“標題黨”的規(guī)則模型，警示頭條號作者的“標題黨”行為。當頭條號作者預(yù)發(fā)布文章的時候，如果標題中出現(xiàn)了“驚呆”“震驚”等內(nèi)容，會收到一個飄黃的窗口，提示其內(nèi)容涉及標題夸張，建議修改，如果作者繼續(xù)強行發(fā)布的話將會被限制推薦量。

Facebook在面對“標題黨”和假新聞時，依賴于用戶舉報。今日頭條建立“標題黨”的模型數(shù)據(jù)與國際上通行的做法類似，讓用戶對文章進行評論以及點擊“不喜歡”按鈕來表達個體意見，通過一些按鈕來收集用戶行為，再對文章的標題和內(nèi)容質(zhì)量進行判斷，從而把內(nèi)容質(zhì)量不高或是存在“標題黨”行為的推送限制在很小的范圍內(nèi)。

另外，機器也會自動形成對“標題黨”文本的識別，給不同的特征以不同權(quán)重的得分。在運行的過程中，今日頭條會將標題里面單個的詞進行拆分，并形成權(quán)重分數(shù)，同時也對詞組進行拆分，由機器自動打分，分數(shù)一旦超過閾值就被認為是“標題黨”，頭條號作者會收到警示。

面對頭條號作者忽略警示強行發(fā)布的行為，頭條號建立了一套非常嚴苛的處罰規(guī)則。如果是非法來源，違反相關(guān)法規(guī)扣50分。另外，被舉報抄襲、“標題黨”、含有廣告信息、標題與正文不符，甚至文章標題中含有錯別字的文章，都被認為對用戶造成了不利影響，作者將會受到相應(yīng)的扣分處罰。

千萬不能小看這些扣分，在頭條號中，扣10分意味著發(fā)文和微信的RSS接入禁止一天；如果被扣至0分，整個賬號就無法恢復(fù)。由于頭條號的賬號與每個人的身份證綁定，個人賬號的凍結(jié)意味著該作者失去了在今日頭條平臺上的話語權(quán)。如果被扣除50分，還將被取締廣告和自營廣告的權(quán)限，頭條號的商業(yè)價值將受到限制。同時，在頭條號平臺上打擊力度非常之重，公告欄上會定期發(fā)布整治各類標題的公告，在偽科學(xué)、股評、兩性、減肥這些“標題黨”泛濫的重災(zāi)區(qū)，進行專項治理。

數(shù)據(jù)方面，今日頭條平均每天有超過12000篇文章被提示修改，日均僅有1027篇文章還繼續(xù)強行提交，且強行提交之后會被進行很大程度的降權(quán)推薦，其中，476篇0閱讀，762篇閱讀量小于等于100。從2016年的7月至今，客戶端每周反饋量為每百萬DAU（日活躍用戶數(shù)量）從0.9降至0.3，即平均每100萬活躍用戶里，反映內(nèi)容存在“標題黨”的情況的人從原來的0.9人降到了0.3人。

以數(shù)據(jù)反哺內(nèi)容創(chuàng)作者

頭條號的標題非常難取，一方面需要突出新聞點，而另一方面，要考慮機器分發(fā)。機器和人工分發(fā)最大的不同在于：傳統(tǒng)媒體的編輯具有文本經(jīng)驗，機器則不然。人與機器溝通過程中需要做很多工作，如利用什么關(guān)鍵詞來描述某事件能讓文章更好地被機器識別，從而到達更精準的興趣人群，發(fā)揮內(nèi)容的最大價值，這是除了取好標題之外更迫切的需求，所以，標題留給創(chuàng)作者的空間很小，難度很大。

為了更好地實現(xiàn)用戶價值，提升用戶體驗，今日頭條推出了新的服務(wù)于創(chuàng)作者的產(chǎn)品——媒體實驗室。它將數(shù)據(jù)結(jié)果直接呈現(xiàn)給內(nèi)容創(chuàng)作者，提供適合在平臺上表達、分發(fā)，并能夠取得優(yōu)良傳播效果的詞匯，將這些詞匯制成了可視化的分析圖表，給作者提供一些寫作角度的參考。

目前，媒體實驗室已經(jīng)服務(wù)于400多家媒體機構(gòu)，包括7000多位內(nèi)容創(chuàng)作者用戶。比如，在美國大選期間對熱度進行監(jiān)控，通過定制關(guān)鍵詞，能夠?qū)ｎ}進行相關(guān)的用戶畫像分析。

除此之外，內(nèi)容創(chuàng)作者還能對熱詞進行關(guān)聯(lián)分析，通過分析用戶的互動行為來挖掘創(chuàng)作的角度。作為一個創(chuàng)作者的服務(wù)平臺，媒體實驗室還會把今日頭條發(fā)布的數(shù)據(jù)報告第一時間進行發(fā)布，并為創(chuàng)作者提供原版下載。

目前，媒體實驗室已與一些媒體建立起了內(nèi)容合作關(guān)系。今日頭條將媒體內(nèi)容通過算法模型分發(fā)給不同興趣愛好的用戶，與此同時，媒體實驗室將用戶閱讀互動產(chǎn)生的數(shù)據(jù)收集并反饋給媒體，形成一種反哺的關(guān)系，就像打車軟件之于交通部門，外賣軟件之于食藥部門，媒體實驗室也可以把內(nèi)容分發(fā)的好壞、優(yōu)劣、內(nèi)容關(guān)鍵詞的關(guān)系等，反哺給媒體機構(gòu)甚至優(yōu)秀的自媒體作者，讓他們最高效地進行創(chuàng)作，在不同創(chuàng)作環(huán)境和垂直領(lǐng)域內(nèi)發(fā)揮自己創(chuàng)造力的最大價值。

作者系今日頭條算數(shù)中心總監(jiān)