周 智

華東交通大學理工學院 江西省 南昌市330100

互聯(lián)網技術和移動互聯(lián)網技術的發(fā)展和普及無疑是近年來影響人們生活的重大事件之一。應運而生的新聞推送平臺正一步步改變信息傳播的形式和內容。2017年《人民日報》就“算法推薦”導致大眾受困“信息繭房”問題，連續(xù)發(fā)文，并引起社會公眾激烈討論。本文以新聞推送平臺為研究對象，在理解推送算法的前提下，討論了信息繭房和群體極化兩個問題，分析其形成原因并提出解決問題的建議。

一、新聞推薦算法原理和問題

新聞推薦算法的核心由兩部分組成：召回算法和排序算法。召回算法通過分析用戶在平臺上長期歷史行為和近期行為，結合興趣偏好形成的用戶畫像，從候選內容庫里挑選出一個符合要求的候選集；排序算法則在候選集的基礎上，根據(jù)文章標簽等信息特征和對應用戶個性化匹配來進行匹配度評分，并依靠評分的數(shù)值來進行排序。

大量的新聞推薦平臺單純的依靠算法推薦，由于算法無法對文章質量和內容真實性等問題進行實質性的判斷。同時，一些內容的發(fā)布者根據(jù)算法的偏好對內容進行設計，使得大量低質量且缺乏實質意義的內容進入到候選集，并進入靠前的排序位置。

圖1新聞推薦算法原理示意圖

二、信息繭房和群體極化效應

信息繭房是CassR.Sunstein在《信息烏托邦：眾人如何生產知識》一書中提出的：信息傳播中，公眾自身的信息需求并非全方位的，公眾只注意自己選擇的東西和使自己愉悅的通訊領域，久而久之，會將自身桎梏于像蠶繭一般的“繭房”中。［1］Sunstein認為“信息繭房”主要是以“個人日報”的形式呈現(xiàn)，即一個人按照自己的喜好選擇關注的話題和信息。

由于生活在信息繭房中的公眾，對事物缺乏全面的認識和周全的考量，而首因效應使得他們認為繭房即真實的世界。如果單一的個人信息繭房，并不會明顯的對社會產生強烈的影響，但如果在某個事物的認知上達成群體共識，并形成“回音室效應”，通過反復強化認知，則會使用戶形成一種非理性、非客觀的群體極化現(xiàn)象，甚至有向群體極化行為轉換的可能。

三、信息繭房下的群體極化效應的原因

（一）個人差異形成選擇性心理

個人差異論是Carl Hovland在1946年首先提出，經Melvin L.DeFleur修正后形成。該理論認為“受眾成員心理或認識結構上的個人差異，是影響他們對媒介的注意力以及對媒介所討論的問題和事物所采取的行為的關鍵因素”。［2］由此可見，在面對大眾傳播媒介所提供的海量信息面前，受眾個體由于生活習慣、信念以及價值觀等的差異會做出不同的選擇和理解。

面對有著巨大信息量的新聞平臺，受眾個體無法做到全面接收。因此，對信息進行選擇是必要的舉措，但在做出選擇行為的同時，個人喜好和心理舒適則成為重要的參考指標。正是選擇性心理將用戶帶入到由興趣和首因印象引導的一個狹隘的信息領域里，而新聞推送算法在用戶首次進入該領域后，通過反復的選擇性推送這一領域的相關信息進一步強化受眾對這個領域的認知，最后形成片面的觀點和言論，直至形成極化現(xiàn)象。

（二）“網絡巴爾干化”形成群體極化

網絡巴爾干是麻省理工學院的V.A.Marshall和劍橋大學的B.Eric在1996年 發(fā) 表 的“Could the internet balkanize science？”一文中提出［3］。他們認為網絡信息的爆炸激化了互聯(lián)網，海量的信息資源和人類有限的注意力之間形成了矛盾。由于受眾只關注自身感興趣的領域，從而形成了各自群體領域，同時由于群體不斷的通過傳播本領域的信息來擴大群體的數(shù)量，進而加劇了某一領域內部以及領域與領域之間的“裂痕”。

今天無論是互聯(lián)網新聞推送平臺還是移動互聯(lián)網新聞推送平臺，都不約而同地在使用關注、定制的方式來吸引受眾，同時也通過評論、轉發(fā)、分享的方式來過濾不同意見的用戶。在互聯(lián)網用戶中形成了無數(shù)個小群體，他們內部觀點一致，如果觀點出現(xiàn)極化現(xiàn)象，平臺內就極易爆發(fā)群體極化現(xiàn)象。

（三）反復推薦營造“回音室效應”

Kathryn Jemison和Joseph Capela在《回聲室效應：拉什·林博和保守主義媒體的建設》中將“回音室效應”定義為“在媒體營造的相對較為封閉的意見感知環(huán)境中，意見相近的聲音會被不斷地重復、夸張和扭曲，從而讓處于這個封閉環(huán)境中的人對這些夸張和扭曲的極端觀點越來越深信不疑的現(xiàn)代傳播學現(xiàn)象”。［4］

新聞推薦平臺為了提高用戶粘性，通過推薦算法反復向用戶推薦類似的信息，以達到用戶對平臺的認同，而在這個認同之下，則可能出現(xiàn)的是用戶對于某個事物單一的、片面的認知，反復強化之后極易形成偏激觀點。

四、信息繭房破局建議

新聞推薦算法雖然存在種種問題，但仍然是當前新聞推薦平臺發(fā)展的首選工作方式，為信息繭房破局，筆者提出幾條建議。

一是提高內容準入門檻。目前新聞推薦平臺大多通過和自媒體、社交媒體合作來獲取內容，而這些內容提供者大多未經過專業(yè)訓練，內容良莠不齊，甚至為了博取點擊率而不惜捏造假新聞或歪曲事實。

二是完善機器學習能力。通過對算法的改進，讓推薦系統(tǒng)對于內容有一定的識別能力，由單純依靠標簽改進為通過對地域、場景、熱度等條件進行綜合判斷后推送。一方面識別低質量內容，一方面避免出現(xiàn)對同一用戶反復推薦。

三是加入人工審核機制。算法的工作方式仍然是機械的，通過人工的輔助，在提高內容質量的同時也讓內容更有性格。并且在加入人工審核機制后，能有效的縮短機器學習的時間，降低機器學習的成本。

伴隨著人工智能、大數(shù)據(jù)等計算機科學的不斷發(fā)展，推薦算法也在不斷地進化和迭代，但解決“信息繭房”問題不是單一的解決算法問題，還需要社會科學等多個專業(yè)和學科與計算機科學的共同發(fā)展，從理論到實踐推動新聞推薦機制的發(fā)展與創(chuàng)新。