劉天嘯

1 背景介紹

隨著科學(xué)技術(shù)的發(fā)展，大數(shù)據(jù)時代的到來，人工智能、機器學(xué)習(xí)也逐漸運用在生活的各個方面，給人們的生活也帶來各種各樣的便利。比如各大電商平臺上的推薦系統(tǒng)，會根據(jù)之前的瀏覽記錄，給我們推薦很多相關(guān)的內(nèi)容，方便我們做比對；我們?nèi)粘ＴL問的社交軟件微博、新聞客戶端，B站上的推薦系統(tǒng)等。這些推薦系統(tǒng)就就是以大數(shù)據(jù)為依托，給用戶推薦符合個人偏好的內(nèi)容。但是個性化推薦系統(tǒng)也存在很多的問題，本文主要以新聞推薦系統(tǒng)為例，分析在大數(shù)據(jù)背景下新聞推薦系統(tǒng)中存在的問題，以及給出相應(yīng)的解決策略。

2 新聞推薦系統(tǒng)中的問題

2.1 版權(quán)糾紛

首先，個性化新聞推薦系統(tǒng)，在進行信息處理時，只是將原有媒體頁面進行優(yōu)化，更改媒體來源，改變網(wǎng)站的原有設(shè)計，其在推送時并沒有將原有網(wǎng)頁進行完全呈現(xiàn)；其次，個性化新聞推薦系統(tǒng)在推薦系統(tǒng)設(shè)計中也缺乏相關(guān)的知識產(chǎn)權(quán)保護意識，其系統(tǒng)的設(shè)計理念，使用的相關(guān)算法中，也無法體現(xiàn)出對原有媒體的創(chuàng)作權(quán)的保護。

2.2 機器代替人工，造成把關(guān)缺位

1）人的主觀選擇性缺位，導(dǎo)致平臺上充斥大量的低質(zhì)內(nèi)容。機器人在進行內(nèi)容篩選時，主要是針對新聞信息的特點對新聞進行分類，但是對于新聞內(nèi)容的好壞，以及內(nèi)容所顯示的價值觀導(dǎo)向無法像人那樣，做到良好的審核篩選。因此很容易傳播一些低質(zhì)量的新聞信息。一旦平臺充斥著大量低質(zhì)內(nèi)容，這會對用戶產(chǎn)生不良的引導(dǎo)，也非常不利于大眾的健康成長。

2）算法推薦導(dǎo)致新聞價值喪失。個性化新聞推薦系統(tǒng)，但是也是新聞傳播的一種媒介，作為新聞，其需要有時效性、接近性、顯著性、重要性、人情味這五個特點，同時，任何媒體也有與生俱來的公共性的特點。但是個性化推薦系統(tǒng)，在利用數(shù)據(jù)挖掘，算法分析對新聞進行整合分發(fā)時，在決定給不同用戶推動何種內(nèi)容時，參考的是用戶個人的后臺使用數(shù)據(jù)，是機器所做的枯燥的，冷冰冰的計算，這樣分發(fā)的數(shù)字化新聞，很難與新聞的五要素結(jié)合在一起。

2.3 平臺信息繁雜，內(nèi)容可能處理不當(dāng)

1）更新頻繁，新聞碎片化閱讀嚴重。個性化推薦系統(tǒng)，會根據(jù)用戶的使用特征，例如用戶的評論、轉(zhuǎn)發(fā)、點贊、停留時長等，以及用戶的使用場景，例如火車站、咖啡廳、書店、商場等等，以及也會結(jié)合用戶當(dāng)時所在的地點進行不同的推薦，但是這就會使得平臺的信息更新頻繁，用戶在不連續(xù)的時間打開新聞會看到不一樣的內(nèi)容，上次閱讀的內(nèi)容還沒有看完就被刷新掉了，這就導(dǎo)致用戶新聞碎片化閱讀嚴重。同時，個性化推薦系統(tǒng)一直在推薦用戶感興趣的內(nèi)容，導(dǎo)致用戶的碎片化時間都被填滿了，使其原有的計劃容易被打破，并且用戶在瀏覽這些信息的時候，會感覺時間飛逝，這些都不利于用戶有效的管理自己的時間。

2）標題黨泛濫。對于內(nèi)容繁雜的新聞客戶端，新聞內(nèi)容的整理成為了他們一個難題，借助機器的輔助，他們能很快的根據(jù)題目將新聞內(nèi)容進行分類，因此也產(chǎn)生了眾多的標題黨，“掛羊頭賣狗肉”，或者通過趁熱點來博得關(guān)注，題文完全不相關(guān)的現(xiàn)象屢見不鮮。這種只求流量不求質(zhì)量的新聞內(nèi)容，會難以提高用戶的忠誠度，不利于企業(yè)的長期發(fā)展。

3）重復(fù)相似內(nèi)容，用戶注意力分散。個性化推薦系統(tǒng)基于“新聞內(nèi)容 + 數(shù)據(jù)化精確制導(dǎo)”的方式給用戶提供符合個人喜好的信息。但是在實際的應(yīng)用中，系統(tǒng)推薦的新聞信息與用戶的偏好并不能完全吻合，主要原因在于，在新聞客戶端上，新聞內(nèi)容的分類并不非常明確，同一條新聞內(nèi)容可能隸屬于不同的類別，這就會給用戶推薦基本相似的信息，分散用戶的注意力；同時，同質(zhì)化內(nèi)容嚴重，反而使用戶更加“孤陋寡聞”，難以改善閱讀狀況。

4）內(nèi)容多為直接轉(zhuǎn)載，內(nèi)容不深刻。個性化新聞推薦平臺上的新聞內(nèi)容多為直接轉(zhuǎn)載，沒有進行二次加工就直接呈現(xiàn)給用了用戶。這種信息傳播的方式對于單獨的新聞來說，不影響新聞的全面性展現(xiàn)。但是對于一些比較重大的新聞報道，例如政治性的大事件，或者專業(yè)性比較強的新聞事件等，如果不發(fā)揮人的主觀能動性的作用，就會缺乏對事件的全局把握，使得新聞傳播失去推理過程和邏輯結(jié)構(gòu)。如果沒有專門對此話題進行有邏輯性的專題性報道，不利于用戶全面地了解事件的全貌，新聞內(nèi)容也就失去了深刻性。

2.4 個性化信息推送，造成信息單一化

1）信息窄化，阻礙個人認知。個性化推薦系統(tǒng)下，用戶主動選擇自己感興趣的內(nèi)容，將自己禁錮在自己構(gòu)建的信息系統(tǒng)中，不斷接受類似的信息，這樣容易使個人信息接觸面逐漸窄化，失去了解不同事物的機會和能力，阻礙個人客觀全面的了解世界；同時眼光永遠局限于自己感興趣的東西，以為自己接受的東西是正確的，無誤的，最新的，這樣長時間的盲目的認知對個人的發(fā)展非常不利，當(dāng)然也不利于社會的全面進步。

2）社會凝聚力喪失，不利于社會快速發(fā)展。個性化推薦系統(tǒng)下，精準化的推送使得每個人處于自己的信息格子中，使得用戶主要關(guān)注自己感興趣的以及滿足其個人需求的信息，而對時政新聞、文化教育等嚴肅性的公共信息敏感程度降低，不利于社會凝聚力的形成，這就使得在發(fā)生重大公共事件時，不利于新政策出臺和公共事件的良好解決。

3）助推網(wǎng)絡(luò)群體極化。在新聞用戶端上，雖然用戶們在能夠根據(jù)自己喜好相對獨立地接受信息，但是公開的新聞信息是可以由不同用戶評論轉(zhuǎn)發(fā)分享或者收藏，這些功能架起了不同用戶之間溝通的橋梁，同種態(tài)度傾向的個體容易產(chǎn)生共鳴，形成一個個網(wǎng)絡(luò)群體。這些單獨的個體聚集起來的網(wǎng)絡(luò)群體能夠產(chǎn)生強大的爆發(fā)力。面對公眾事件時，群體可能會產(chǎn)生更偏激的行為，再加上網(wǎng)絡(luò)的匿名信，以及網(wǎng)民的不理智性，這種群體極化現(xiàn)象會越來越嚴重。

2.5 個人隱私容易泄露

在現(xiàn)在大數(shù)據(jù)背景下，用戶在享受新聞定制服務(wù)的時候，有形的信息注冊、無形的網(wǎng)頁的瀏覽記錄等行為，背后都有龐大的數(shù)據(jù)信息，而這些數(shù)據(jù)信息一旦泄露被不法分子利用，對個人乃至社會都可能是一場大的災(zāi)難。

3 新聞推薦系統(tǒng)中問題的解決對策

3.1 保護知識產(chǎn)權(quán)

為了強化新聞媒體平臺的知識產(chǎn)權(quán)意識，法制意識，同時，也為了幫助受眾更加知法懂法，提升法律意識，雙方應(yīng)加強在知識產(chǎn)權(quán)領(lǐng)域的協(xié)同合作，增強知識產(chǎn)權(quán)保護意識，這既是對知識的尊重，也是對受眾負責(zé)的表現(xiàn)。

3.2 加強人的主觀能動性

在新聞推薦系統(tǒng)中，一方面借助機器人把關(guān)，減少人的工作負荷，但是不可把任務(wù)全部交給機器去把關(guān)，在機器篩選之后，還要發(fā)揮人的主觀能動性作用，例如對于文化類、娛樂類等，要對新聞的內(nèi)容，價值觀導(dǎo)向進行審核、篩選； 另一方面，對于一些涉及重大事件的政治新聞等，要發(fā)揮人的作用，對事件進行全局把握，對事件內(nèi)容進行有邏輯性地專題式整合和推送； 同時，也要通過人的篩選，向公眾傳播公眾利益至上的新聞信息，傳播正能量。

3.3 關(guān)注公共事件

在推薦系統(tǒng)盛行的今天，個人在關(guān)注自己感興趣的內(nèi)容的同時，要注重和社會的聯(lián)系，不要和社會脫節(jié)，要關(guān)注社會新聞，關(guān)注公眾事件。

3.4 提升新聞品質(zhì)

在新聞內(nèi)容同質(zhì)化現(xiàn)象加劇的狀況下，獨家新聞顯得尤為重要，是眾多個性化新聞推薦系統(tǒng)在激烈的競爭中取得勝利的法寶，新聞媒體要加強自己的原創(chuàng)意識，提升新聞品質(zhì)；同時新聞傳媒產(chǎn)業(yè)，也要加強宣傳，鼓勵媒體企業(yè)要注重自身的品質(zhì)，形象建設(shè)，誠實發(fā)稿。

3.5 保護個人隱私

一方面?zhèn)€人在使用過程中要注重個人隱私信息的保護，做好保護措施；另一方面，新聞客戶端的后臺要做好強大的信息建設(shè)，阻止黑客的入侵，保護用戶的信息安全。

4 總結(jié)

本文主要針對新聞個性化推薦系統(tǒng)的現(xiàn)狀，陳述了推薦系統(tǒng)中目前面臨的問題，以及針對這些問題，給出了相應(yīng)的解決對策。