王敬愷

算法推薦是在對(duì)海量用戶行為的數(shù)據(jù)分析與挖掘基礎(chǔ)上，利用計(jì)算機(jī)通過數(shù)學(xué)算法，推測(cè)出用戶可能喜歡的東西。

目前，算法推薦大致可分為三類：

基于內(nèi)容。理論依據(jù)主要來自于信息檢索和信息過濾，根據(jù)用戶過去的瀏覽記錄向用戶推薦其沒有接觸過的推薦項(xiàng)。

基于知識(shí)。某種程度上可以看成是一種推理技術(shù)，它不是建立在用戶需要和偏好基礎(chǔ)上推薦的，可以是用戶已經(jīng)規(guī)范化的查詢，也可以是一個(gè)更詳細(xì)的用戶需要的表示。

基于協(xié)同過濾。它是基于這樣的假設(shè)：“跟你喜好相似的人喜歡的東西，你也很有可能喜歡”。所以基于用戶的協(xié)同過濾主要的任務(wù)就是找出用戶的最近“鄰居”，從而根據(jù)最近“鄰居”的喜好做出未知項(xiàng)的評(píng)分預(yù)測(cè)。

算法內(nèi)容平臺(tái)的推薦個(gè)性化主要表現(xiàn)在：一是針對(duì)審核通過的文章，智能推薦引擎會(huì)根據(jù)內(nèi)容質(zhì)量、內(nèi)容特征、首發(fā)情況、互動(dòng)情況、媒體的歷史表現(xiàn)、媒體訂閱情況，為文章找到感興趣的讀者并推薦；二是針對(duì)讀者，根據(jù)其閱讀歷史、地理信息、搜索關(guān)鍵詞、閱讀習(xí)慣等進(jìn)行推薦。

以今日頭條、一點(diǎn)資訊為代表的智能新聞客戶端，憑借強(qiáng)大的算法、先進(jìn)的數(shù)據(jù)抓取技術(shù)，能夠精準(zhǔn)分析并解讀用戶的閱讀習(xí)慣和興趣，從而為用戶提供量身定制的新聞產(chǎn)品，滿足個(gè)性化需求。

但隨之帶來的色情、謠言、夸張廣告等低俗內(nèi)容泛濫，這還只是算法推薦新聞平臺(tái)在內(nèi)容分發(fā)方面所面臨的難題之一。

自9月18日起，人民網(wǎng)連續(xù)三天推出三篇評(píng)論文章批評(píng)以今日頭條為代表的新聞算法推薦，分別為《不能讓算法決定內(nèi)容》、《別被算法困在“信息繭房”》、《警惕算法走向創(chuàng)新的反面》。人民網(wǎng)在批評(píng)算法推薦的文章中，形象舉例稱：有位網(wǎng)友無意點(diǎn)擊了一條關(guān)于花圈的消息，結(jié)果今日頭條就連續(xù)推送喪葬用品信息，令人不堪其擾。

歸納起來，公眾對(duì)算法推薦新聞爭(zhēng)議主要集中在三點(diǎn)：

首先，技術(shù)、代碼、算法替代了傳統(tǒng)內(nèi)容分發(fā)過程中專門把關(guān)內(nèi)容的編輯。單一的標(biāo)準(zhǔn)不僅容易忽視優(yōu)質(zhì)內(nèi)容更為豐富的面向和維度，也增加了把關(guān)內(nèi)容產(chǎn)品的難度和成本。

其次，對(duì)于擁有強(qiáng)大算法和技術(shù)支撐的信息平臺(tái)，一心“取悅”用戶遠(yuǎn)遠(yuǎn)不夠，更要自覺執(zhí)行有關(guān)政策法規(guī)，不能有僥幸心理，任憑暴力、色情等不良信息泛濫。

第三，智能信息平臺(tái)帶來的最大問題，不僅是侵權(quán)，而是可能走向創(chuàng)新的反面，甚至破壞創(chuàng)新的原動(dòng)力。

9月21日下午，今日頭條正式回應(yīng)，稱理解媒體的憂慮，將正視機(jī)器學(xué)習(xí)技術(shù)目前整體發(fā)展的不足，勉力改進(jìn)。此前，今日頭條一直表示重視提高分發(fā)效率、滿足用戶的信息需求。創(chuàng)始人張一鳴接受《財(cái)經(jīng)》記者采訪時(shí)也曾說，企業(yè)和媒體的區(qū)別在于媒體是要有價(jià)值觀的，它要教育人、輸出主張，而頭條不提倡。因?yàn)樗皇敲襟w，更關(guān)注信息的吞吐量和信息的多元。endprint