王欣穎，王欣怡

（1.武漢理工大學(xué)， 湖北 武漢 430070；2.荊楚理工學(xué)院，湖北 荊門 448000）

一、算法推薦原理解析

（一）場域下的算法推薦技術(shù)

社交媒體時代，UGC生產(chǎn)模式受到眾多媒體平臺的采用與鼓勵，網(wǎng)民參與內(nèi)容生產(chǎn)的熱情在平臺的激勵下不斷高漲，傳統(tǒng)的信息受眾變身為內(nèi)容生產(chǎn)者參與到信息生產(chǎn)過程中。

另外，傳媒產(chǎn)業(yè)生產(chǎn)效率不斷提升，記者、編輯與用戶生產(chǎn)共同造就了如今的信息環(huán)境——信息量呈現(xiàn)爆炸式的增長態(tài)勢。加之通信基礎(chǔ)設(shè)施的飛速發(fā)展，個人通信設(shè)備不斷迭代更新，受眾比以往可以通過更方便、更廉價的接受工具接觸媒介信息，隨之而來的是受眾被無數(shù)的信息包圍，在良莠不齊的信息面前應(yīng)接不暇，個體信息選擇的難度增大。

基于受眾面臨的信息過載問題，一種幫助用戶過濾掉無用或者不感興趣的信息就顯得尤為重要，這道難題擺在了傳媒面前。當(dāng)然，如何將用戶更感興趣的信息送達(dá)到用戶面前并且?guī)椭脩魪募姺睆?fù)雜的信息中擺脫出來，以獲得用戶的平臺黏性仍然包含著傳媒集團(tuán)的利益考量。傳媒集團(tuán)為了獲得商業(yè)利益，需要獲得越多越好的用戶，這樣才能將信息內(nèi)容成功變現(xiàn)。

計(jì)算機(jī)技術(shù)的迅猛發(fā)展為傳媒產(chǎn)業(yè)注入了一股新的力量，算法推薦作為效率非常高的過濾篩選工具為傳媒平臺插上了騰飛的翅膀而獲得了眾多媒體平臺的青睞。傳媒集團(tuán)將算法推薦引入到信息生產(chǎn)過程中，無疑迎合了技術(shù)發(fā)展的大趨勢。在算法推薦的驅(qū)動下，傳媒的生產(chǎn)效率得到了顯著提高，也為平臺聚集了越來越多的受眾，但是，我們也要看到算法推薦給媒體信息生產(chǎn)各個方面帶來的顯著變化。

（二）算法推薦的簡要內(nèi)涵

算法推薦是計(jì)算機(jī)專業(yè)術(shù)語，它是指通過一些算法程序，向用戶推送他們可能感興趣的內(nèi)容。算法推薦的進(jìn)化得益于多個計(jì)算機(jī)科學(xué)領(lǐng)域的成果，包括機(jī)器學(xué)習(xí)、信息檢索、數(shù)據(jù)挖掘和人機(jī)交互等技術(shù)的不斷完善和應(yīng)用。將算法推薦與新聞結(jié)合起來的產(chǎn)物就是我們所說的算法推薦新聞。

1. 基于內(nèi)容的推薦。運(yùn)用于新聞的算法推薦主要有兩種：一種是基于內(nèi)容的推薦；另一種是基于協(xié)同過濾的推薦。基于內(nèi)容的算法推薦的工作機(jī)制是，從用戶過去已經(jīng)評價過的內(nèi)容對象中獲得個人的信息特征，在長期的數(shù)據(jù)積累過程中逐漸形成用戶畫像。對系統(tǒng)中的所有內(nèi)容提取內(nèi)容對象特征，然后將個人的信息特征與內(nèi)容信息特征進(jìn)行匹配，為用戶推送較為匹配的內(nèi)容對象。

2. 協(xié)同過濾算法。協(xié)同過濾算法是一種利用群體智慧的推薦方式，它可以進(jìn)一步劃分為基于用戶的協(xié)同過濾算法和基于物品的協(xié)同過濾算法?；谟脩舻膮f(xié)同過濾算法的原理是“人以群分”，通過聚類分析若干用戶的行為數(shù)據(jù)，將行為類似的用戶編入一個隱形閱讀小組，對目標(biāo)用戶推薦該小組中其他用戶感興趣但未被目標(biāo)用戶閱讀過的新聞。基于物品的協(xié)同過濾算法的原理是“物以類聚”，如果某兩則新聞總是被同一個用戶閱讀，則默認(rèn)二者之間有更強(qiáng)的相關(guān)性，因而會給閱讀過其中一則的用戶推薦另外一則?；趨f(xié)同過濾的推薦系統(tǒng)的工作機(jī)制是，向用戶推薦相似用戶評價較好的內(nèi)容。

3. 基于時序流行度的推薦算法。這種算法能夠有效解決以內(nèi)容為基礎(chǔ)的算法推薦導(dǎo)致的信息繭房問題，也能夠減少算法黑箱操作的隱憂。這種技術(shù)具有對最新文本的快速響應(yīng)能力，將特定時間窗口內(nèi)流行度較高的新聞推薦給用戶，保證了信息特別是新聞的時效性和新鮮性。

二、算法推薦下新聞生產(chǎn)新局面

新聞生產(chǎn)是指新近變動的事實(shí)經(jīng)過加工形成新聞作品的過程，包括采集、制作、分發(fā)等各個方面。從微觀視角來觀察，算法推薦以其精準(zhǔn)篩選、高效率送達(dá)等優(yōu)勢融入新聞生產(chǎn)過程中，對上面所說的各個環(huán)節(jié)都產(chǎn)生了深遠(yuǎn)的影響。同時，從宏觀視角來看，算法推薦逐漸改變了整個傳媒行業(yè)的生態(tài)環(huán)境，社交媒體平臺在信息傳播方面的成功無疑具有算法推薦系統(tǒng)的強(qiáng)大助力，促使新聞傳媒集團(tuán)接受這種先進(jìn)的新聞生產(chǎn)方式，整個傳媒業(yè)生態(tài)環(huán)境有了較大的改變。

（一）以受眾為中心，開放化新聞生產(chǎn)模式

傳統(tǒng)的新聞生產(chǎn)模式是一種較為封閉的傳播模式，新聞生產(chǎn)更強(qiáng)調(diào)生產(chǎn)過程，在一定程度上忽視了用戶的反饋，算法推薦新聞彌補(bǔ)了這一不足。算法推薦在生產(chǎn)過程中以用戶的評價作為篩選的標(biāo)準(zhǔn)，在基于內(nèi)容為推薦系統(tǒng)中，系統(tǒng)以用戶過去的觀看評價為考量來推薦新的內(nèi)容。在基于協(xié)同過濾的推薦中，系統(tǒng)以近鄰的評價為篩選的標(biāo)準(zhǔn)個性化的推薦內(nèi)容?？梢哉f，算法推薦使新聞生產(chǎn)模式變得更加開放。

（二）算法推薦重用戶反饋，弱內(nèi)容把關(guān)

算法推薦系統(tǒng)將數(shù)據(jù)、算法、人機(jī)交互有機(jī)結(jié)合，建立用戶和資源的個性化關(guān)聯(lián)機(jī)制，通過對文本內(nèi)容的處理，賦予每個文本內(nèi)容不同的標(biāo)簽。當(dāng)前，我國信息消費(fèi)者的媒介素養(yǎng)普遍不高，許多有噱頭的標(biāo)題文章或低俗內(nèi)容更容易獲得用戶的青睞，這些毫無營養(yǎng)甚至有害的信息內(nèi)容往往擁有較大的閱讀量，算法推薦系統(tǒng)在這種高閱讀量的反饋之下更容易推送低俗的內(nèi)容給用戶，對眾多用戶特別是青少年人群容易產(chǎn)生負(fù)面影響。

（三）算法推薦加快傳統(tǒng)主流媒體的革新

社交媒體率先引進(jìn)算法推薦，憑借社交強(qiáng)大聚力和算法個性化分發(fā)的優(yōu)勢，迅速搶占市場，在用戶規(guī)模和廣告份額上獲得巨大的成功。在這種市場形勢下，傳統(tǒng)主流媒體的社會影響力被頭部社交平臺掩蓋。傳統(tǒng)主流媒體即使有政府財(cái)政支持，市場化運(yùn)營的慘淡局面使其面臨著日益嚴(yán)重的生存危機(jī)。另外，用戶內(nèi)容生產(chǎn)被激活，草根大眾的智慧在平臺媒體上得到了展現(xiàn)的機(jī)會，進(jìn)一步讓傳統(tǒng)媒體的內(nèi)容生產(chǎn)承受巨大壓力。在算法推薦的趨勢下，不少傳統(tǒng)主流媒體開始迎合受眾的信息需求和媒介使用習(xí)慣，與平臺媒體合作，借助平臺媒體龐大的用戶規(guī)模和先進(jìn)的算法推薦技術(shù)，創(chuàng)新新聞生產(chǎn)方式，試圖拉近與當(dāng)下年輕受眾的距離，從而重新獲得受眾的認(rèn)可與支持。

三、算法推薦下新聞生產(chǎn)的隱患

（一）媒介信息缺乏深度，高質(zhì)量的長尾內(nèi)容被冷落

算法推薦會根據(jù)上下文（即受眾所處的時間、場合等相關(guān)信息）智能推薦新聞信息。在這個碎片化的生活場景下，大多數(shù)人沒有也不愿意花太多的時間閱讀新聞，算法推薦迎合了受眾在瑣碎時間觀看新聞的需求，這種閱讀場景下的新聞一般是對新聞事件的簡要報(bào)道，不適合深度報(bào)道等相關(guān)新聞體裁。

另外，算法推薦在新聞生產(chǎn)過程中，對新聞文本的提取是通過關(guān)鍵字以及權(quán)重值得計(jì)算來進(jìn)行的，由于眾多用戶的信息素養(yǎng)不高，更易于被低俗無營養(yǎng)的信息吸引，對于優(yōu)質(zhì)內(nèi)容的回避態(tài)度在算法推薦面前被放大，算法推薦強(qiáng)感官刺激的內(nèi)容。深刻的內(nèi)容被算法舍棄，取而代之的是各種無營養(yǎng)價值的信息大行其道，長期占據(jù)著受眾的時間和精力，真正高質(zhì)量值得花時間花精力學(xué)習(xí)和閱讀的信息逐漸成為長尾內(nèi)容，造成社會資源浪費(fèi)。

（二）內(nèi)容生產(chǎn)者隨波逐流，優(yōu)質(zhì)內(nèi)容生產(chǎn)者的積極性被消解

當(dāng)前，在以市場機(jī)制為主導(dǎo)的商業(yè)環(huán)境下，內(nèi)容生產(chǎn)機(jī)制以PGC與UGC相輔相成。內(nèi)容生產(chǎn)的門檻降低，眾多內(nèi)容生產(chǎn)者并非科班出身，自然沒有專業(yè)新聞工作者的職業(yè)底線，什么內(nèi)容更容易被推薦他們就寫什么內(nèi)容，高推薦與高閱讀量成正比，而高閱讀量意味著高商業(yè)收益。算法推薦作為一種技術(shù)工具沒法對內(nèi)容進(jìn)行更為嚴(yán)格的把關(guān)，從而更加輕易地助長了信息垃圾的生產(chǎn)。社交媒體主要依賴個性化算法向用戶分發(fā)新聞，其本身就暗藏著許多低俗的信息需求，為推銷色情、淫穢和暴力新聞打開缺口。

（三）受眾信息需要動態(tài)變動，算法難以實(shí)現(xiàn)精確匹配

算法分發(fā)新聞的邏輯存在兩個問題：一是讓算法的樣本變得“正確”非常困難。用戶的欲望不斷變化，新聞偏好可能經(jīng)常改變。二是即使完成一次成功的新聞推送，也是基于特定的算法規(guī)則，這些規(guī)則包含主觀判斷，這些判斷不是靜態(tài)的，在原則上都是不完美的。算法推薦是通過設(shè)計(jì)好的算法程序完成一步步操作，本身就存在靈活性差的缺陷，難以不斷滿足用戶不斷變化的需求。

對于新聞文本這種提取難度較大的信息，算法推進(jìn)可能會存在誤判。另外，新聞算法推薦可能滿足受眾暫時的需要，但長時間的需求難以通過過去少量的評價被捕捉到，因此這種長時間的深層次的需求難以被算法推薦滿足。

（四）算法不透明，受眾對算法推薦產(chǎn)生不信任感

算法推薦有一系列復(fù)雜的步驟，受眾得到的推薦是一系列程序的結(jié)果，受眾只知道自己看到的內(nèi)容是被有選擇性地推薦了，但并不知道是如何被推薦的。算法推薦由于黑箱操作，作為一種復(fù)雜未知的并且能制約受眾認(rèn)知的事物，難以獲取受眾的信任。對算法推薦的低可信度會直接影響受眾對信息內(nèi)容的接受程度。算法一旦經(jīng)常失算，用戶的信息滿足感就會遭到踐踏，資訊平臺的公信力就會喪失殆盡。

同時，目前平臺媒體較多地采用專業(yè)生產(chǎn)+用戶生產(chǎn)模式，這種模式生產(chǎn)的內(nèi)容很大部分不是出自專業(yè)人員之手。另一個影響可信度的就是專業(yè)性，用戶生產(chǎn)這一模式本身就有著低可信度的風(fēng)險。

（五）把關(guān)權(quán)利的位移，公共利益受到挑戰(zhàn)

算法推薦“不僅僅包括算法本身，還包括使之運(yùn)轉(zhuǎn)起來的一整套規(guī)則制度，而這些規(guī)則制度由于人工的參與，使得算法機(jī)制呈現(xiàn)出一種技術(shù)與人工的‘混合邏輯’”。算法以受眾的喜好為標(biāo)準(zhǔn)進(jìn)行內(nèi)容的個性分發(fā)，其背后的價值邏輯是商業(yè)利益。為了迎合媒介素養(yǎng)不高的受眾的趣味，算法傾向于推薦娛樂、惡俗的內(nèi)容給受眾，許多真正反映民生的值得被大眾媒體傳播的內(nèi)容沒有面向大眾的機(jī)會，社會公共利益受到了挑戰(zhàn)。

（六）主流媒體邊緣化，影響主流媒體發(fā)揮功能

主流媒體作為黨和人民的喉舌，具有社會輿情監(jiān)測、輿論引導(dǎo)等功能，作為社會的瞭望者肩負(fù)著重大的責(zé)任。隨著社交平臺的發(fā)展、媒體平臺的繁榮，受眾長期接觸社交媒體平臺，主流媒體的權(quán)威正在一點(diǎn)點(diǎn)喪失，主流媒體的聲音被減弱甚至被掩蓋，失去了曾經(jīng)輿論引導(dǎo)的強(qiáng)大力量。特別是在某些重大的社會問題發(fā)生之際，主流媒體的失聲可能會產(chǎn)生重大的不良后果。

四、總結(jié)

算法機(jī)制帶來的各種新問題表明：算法不能完全取代人工把關(guān)的位置，算法難以對內(nèi)容進(jìn)行價值上的審核，記者編輯仍然責(zé)任重大，記者編輯需要用他們的職業(yè)素養(yǎng)、價值觀為新聞進(jìn)行二次嚴(yán)格把關(guān)，為受眾選好每一篇新聞。

媒體平臺需要為有關(guān)公眾利益的重要新聞創(chuàng)造傳播的條件，給予更多的流量支持；在算法上，媒體平臺需要健全把關(guān)機(jī)制，在內(nèi)容上嚴(yán)格要求，力求成為創(chuàng)造社會價值的媒體。

算法推薦的低俗的、毫無營養(yǎng)的內(nèi)容有市場，歸根到底與受眾的媒介素養(yǎng)有關(guān)，每個媒介受眾需要增強(qiáng)媒介自律，拒絕為低俗的內(nèi)容提供生產(chǎn)的土壤。