景佳琦

摘? 要? 算法推薦作為近年來新興的計算機技術(shù)，成為新媒體革新的重要方式之一。文章以CNKI為數(shù)據(jù)庫，借助CiteSpace軟件對2016—2019年國內(nèi)新聞傳播領(lǐng)域的1 163篇期刊論文進行量化分析，展示國內(nèi)在媒體個性化算法推薦領(lǐng)域的研究熱點，試圖分析當前的研究現(xiàn)狀，指出相關(guān)研究的借鑒與啟示，旨在推動該領(lǐng)域的創(chuàng)新與發(fā)展。

關(guān)鍵詞? 算法;個性化推薦;文獻計量

中圖分類號? G206? ? ? 文獻標識碼? A? ? ? 文章編號? 2096-0360（2020）13-0007-04

1? 研究背景

學(xué)界關(guān)于算法的研究最早可追溯到20世紀，而它作為一項新技術(shù)應(yīng)用于新聞業(yè)則發(fā)生在近10年，今日頭條的橫空出世更是將算法技術(shù)推上了風(fēng)口浪尖。截至2016年10月，今日頭條的激活用戶數(shù)量就已達6億，其中1.4億的活躍用戶，每天每個用戶的平均使用時間為76分鐘[1]。同年，算法推薦正式超過人工編輯成為新聞媒體類應(yīng)用的主要分發(fā)模式，所以2016年也可稱之為“算法元年”。作為一個擁有破億量級用戶的新聞資訊類媒體，今日頭條一直飽受爭議，連帶著算法技術(shù)也被打上不好的烙印。官方媒體如“人民日報”三評算法推薦：“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”，更是讓算法技術(shù)一度成為眾矢之的，飽受指責(zé)。此外，抖音的用戶依賴、Google的性別歧視、Facebook的隱私泄漏等一系列問題，都讓算法技術(shù)的應(yīng)用受到無數(shù)指責(zé)。但技術(shù)更迭的歷史潮流不可逆轉(zhuǎn)，算法作為移動端市場的重要技術(shù)方式之一，已經(jīng)滲透在各個領(lǐng)域之中，算法時代已然到來。

前面提到，新聞傳播領(lǐng)域針對算法的研究主要起于近10年，所以本文就將由此切入，提取了近10年CNKI數(shù)據(jù)庫中有關(guān)算法推薦的文獻，嘗試對其進行量化分析。

2? 數(shù)據(jù)來源與研究方法

2.1? 數(shù)據(jù)來源

選擇CNKI數(shù)據(jù)庫中的新聞傳播領(lǐng)域論文為數(shù)據(jù)源，采用主題檢索，以“算法”作為主題詞，時間跨度限定為2004—2019年，經(jīng)篩選，共檢索到1 479篇論文。

分析可知，國內(nèi)新聞傳播領(lǐng)域關(guān)于算法的研究大致可分為3個階段：2004—2010年為第一階段，這一時期新聞傳播領(lǐng)域?qū)τ谒惴ǖ难芯课墨I較少，年發(fā)表論文量在17篇以下，發(fā)展較為緩慢;2011—2015年為第二階段，年論文量由24篇迅速增長到96篇，屬于快速發(fā)展期;2016—2019年為第三階段，該階段累計發(fā)文量1 163篇，占樣本總量的78.6%，年均發(fā)文量290篇。

整體來看，該研究領(lǐng)域在2015、2016年引起了學(xué)界廣泛關(guān)注，分析認為，2016年今日頭條的全面爆發(fā)，讓算法推薦技術(shù)成功進入學(xué)者們的研究視野，針對算法的討論也推動了文獻的快速增長，自此之后學(xué)界對于算法推薦的關(guān)注程度也一直高居不下，2019年全年的論文數(shù)量高達438篇。

通過筆者人工識別后發(fā)現(xiàn)，雖說新聞傳播領(lǐng)域?qū)τ谒惴ǖ难芯孔钤缈勺匪莸绞暌郧埃窃?016年之前發(fā)表的文獻更多還是偏向從技術(shù)的角度探討算法的優(yōu)化設(shè)計，而非具體研究算法在傳媒領(lǐng)域的應(yīng)用及其涉及的相關(guān)問題。此外，2016年作為算法編輯超過人工編輯的拐點，一度被稱為“算法元年”，自此之后，針對算法的研究文獻即呈現(xiàn)出爆發(fā)式增長的趨勢?；谝陨蟽牲c原因，本文將選擇2016—2019年間的1 163篇文獻進行量化分析。

2.2? 研究方法

CiteSpace是當前研究人員廣泛使用的一種文獻計量與可視化分析工具，輔之以內(nèi)容分析，可以幫助完成特定學(xué)科領(lǐng)域的定量和定性分析。為了使文章更具可信度，選擇采用CiteSpace軟件對這1 163篇論文進行量化分析，試圖剖析國內(nèi)在媒體個性化算法推薦領(lǐng)域的研究熱點。

3? 研究熱點分析

利用CiteSpace對算法相關(guān)文獻的關(guān)鍵詞進行聚類分析，根據(jù)聚類結(jié)果和文獻內(nèi)容解讀，歸納出七大研究熱點。

3.1? 媒體個性化算法推薦機制研究

隨著個性化推薦系統(tǒng)的不斷優(yōu)化，其技術(shù)已經(jīng)廣泛應(yīng)用于各個領(lǐng)域，包括電子商務(wù)（比如京東、淘寶）、視頻網(wǎng)站、音樂電臺、社交網(wǎng)絡(luò)、閱讀平臺等。而推薦算法是整個推薦系統(tǒng)中的核心和關(guān)鍵的部分，在很大程度上決定了推薦系統(tǒng)的性能和推薦效果[2]。目前主流的推薦算法大致有以下幾種：協(xié)同過濾算法、基于內(nèi)容的推薦、基于知識的推薦、混合推薦模式等。

3.2? 媒體個性化算法推薦的應(yīng)用研究

眾所周知，國內(nèi)最知名的兩個使用算法推薦技術(shù)的App均隸屬于“字節(jié)跳動”，分別是“今日頭條”和“抖音TikTok”，它們分別承擔著新聞分發(fā)和休閑娛樂的功能。除此之外，算法技術(shù)還可以被應(yīng)用于社會問題的治理。首先，針對當前互聯(lián)網(wǎng)空間的謠言泛濫問題，有學(xué)者提出可以搭建一個基于節(jié)點緊密度挖掘的謠言抑制算法，從而實現(xiàn)對謠言等負面信息的控制[3]。此外，針對當前的恐怖主義媒介化趨勢，有學(xué)者提出利用更具專業(yè)技術(shù)色彩的算法對恐怖言論、涉恐圖像、極端視頻等內(nèi)容進行識別處理，同時，對恐怖行動進行智能預(yù)測和反恐宣傳的智能化推送，以更好的實現(xiàn)全球反恐目標[4]。

3.3? 傳播內(nèi)容爭論：信息繭房or信息減負

自個性化算法推薦系統(tǒng)走入大眾視野以來，“信息繭房”似乎就成為算法推薦揮之不去的陰影，始終伴隨著它，任何對于算法的批判，“信息繭房”效應(yīng)都首當其沖，具體是指人們更愿意接受和觀看讓自己感興趣的內(nèi)容，進而排斥一些其他內(nèi)容，最終導(dǎo)致個人的信息“窄化”，產(chǎn)生“回音室效應(yīng)”。成為“單向度的人”。并且在流量經(jīng)濟的影響下，信息低俗化現(xiàn)象也愈發(fā)嚴重[5]。同時，群體內(nèi)部的意見在算法的助推下愈發(fā)極端，最終加劇網(wǎng)絡(luò)群體極化，導(dǎo)致社交圈層的分隔，社會階層不斷固化。

但同時，也有學(xué)者提出對于“信息繭房”，學(xué)界一直存在誤讀，它其實一直存在，并非是由算法推薦一手促成。早在香農(nóng)時期，其實就已經(jīng)存在“信息繭房”的雛形。傳播學(xué)四大奠基人之一的霍夫蘭所提出的“個人差異論”其實也已經(jīng)注意到了受眾對于信息的選擇性注意和理解。同時由于互聯(lián)網(wǎng)信息的海量化與社會存在的“獨異性”，“信息繭房”的存在是一種社會的必然，其與算法推薦系統(tǒng)的應(yīng)用并非是一種因果關(guān)系[6]。同時，不可質(zhì)疑的是，算法的出現(xiàn)也為我們當前互聯(lián)網(wǎng)時代的信息超載現(xiàn)象提供了新的解決范式，算法鏈接了人與信息，簡化了人和信息的關(guān)系，最終實現(xiàn)了人與信息的協(xié)同。

3.4? 傳播主體更迭：從“人”到機器

傳統(tǒng)媒體時代新聞信息的分發(fā)都由媒體機構(gòu)的專業(yè)從業(yè)人員進行把關(guān)，但是使用算法推薦系統(tǒng)后，傳統(tǒng)把關(guān)人逐漸讓位于機器算法?！敖袢疹^條”“一點資訊”“天天快報”等個性化新聞客戶端的興起，讓機器編輯這一現(xiàn)象完全浮出水面[7]。通過算法分發(fā)的新聞更多是根據(jù)用戶的喜好做出的判斷，所以這時候新聞價值要素的權(quán)重也發(fā)生了變化，趣味性得到凸顯。但很明顯，這種把關(guān)是片面的，在這種情況下，許多優(yōu)質(zhì)內(nèi)容會被邊緣化，而迎合人們喜好、販賣焦慮的內(nèi)容會越來越多地出現(xiàn)在用戶的面前，這也是咪蒙等自媒體能迅速崛起的原因之一，造成“劣幣驅(qū)逐良幣”的后果。同時，這種權(quán)利的讓渡帶來的把關(guān)人的缺失也導(dǎo)致了許多嚴重的社會問題，比如說虛假新聞出現(xiàn)的幾率也呈幾何式上升。

3.5? 傳播倫理批判：工具理性指引下對人的異化

算法作為一種新興的大眾傳播技術(shù)宣稱具有中立性和客觀性，但是實際上這種中立客觀卻是不存在的。首先，算法的信息源并不是所存在的全部信息，而是有選擇的信息系統(tǒng)。比如前段時間關(guān)于“百度已死”的討論就充分證明了這一點，百度將流量全部引向自家旗下的百家號，本身已經(jīng)失去了中立客觀的立場，是完全基于個人利益的考量。其次，算法分發(fā)過程中其實隱含著極為隱秘的網(wǎng)絡(luò)等級制度，表面上的個性化算法推薦機制實現(xiàn)了網(wǎng)絡(luò)公民的平權(quán)，但實際上用戶已經(jīng)被進行了等級區(qū)分。平臺的資源會優(yōu)先集中到頭部樞紐，也就是通常意義上的“網(wǎng)紅”“大V”“明星”等，而頭部用戶的信息擁有“特權(quán)”，會被算法優(yōu)先分發(fā)。此外，通過算法推薦所形成的高度仿真的“擬態(tài)環(huán)境”會通過算法推薦不斷與用戶的“腦海圖景”重疊，由此會導(dǎo)致接受者“譯碼”能力與選擇權(quán)的喪失，這其實就是一種對人類智慧的變相剝奪，其行為本身就帶有一定的目的性[8]。

3.6? 用戶體驗探究：體驗升級or隱私泄露

在個性化算法推薦出現(xiàn)之前，互聯(lián)網(wǎng)用戶都是通過搜索引擎、門戶網(wǎng)站、新聞客戶端等方式來獲取信息，是一種主動尋求信息資源的獲取方式，這就對用戶的信息檢索能力提出了較高的要求，同時需要用戶能夠在紛繁復(fù)雜的信息中自行提取出個人所需的資料。但是個性化算法推薦的出現(xiàn)帶來了全新的信息獲取方式，人們不再需要主動搜尋信息，不再是“人找信息”，而是“信息找人”，此類模式在很大程度上便利了用戶的網(wǎng)絡(luò)生活，是順應(yīng)當前“懶”用戶的一種新型信息分發(fā)方式，是用戶體驗的再升級。但這種便利的獲取卻是以大量用戶的個人隱私為代價。

但由于個性化算法推薦系統(tǒng)運行的基礎(chǔ)就是基于對用戶數(shù)據(jù)的挖掘與分析進而實現(xiàn)對用戶畫像的搭建，所以在整個過程中用戶的信息是被完全公開的，這就無可避免地帶來了個人隱私權(quán)的侵犯問題。與此同時，更為可怕的是，在算法大面積應(yīng)用的情況下用戶沒有選擇的權(quán)利，一旦下載應(yīng)用軟件就默認應(yīng)用商可以任意提取數(shù)據(jù)，用戶無處可逃，就算有些軟件設(shè)置了隱身功能供用戶選擇，但之后就會發(fā)現(xiàn)，其所推送的信息依舊是根據(jù)過往瀏覽記錄測算出來的，也就是說，所謂的隱身功能也不過是對用戶自己隱身，但對應(yīng)用商來說數(shù)據(jù)依舊是公開透明的。所以在這種情形下，用戶的數(shù)據(jù)會被永久保存在數(shù)據(jù)庫中，所有人都處在一個被時刻監(jiān)控的“圓形監(jiān)獄”中，沒有逃脫的可能。因此在算法推薦的使用過程中，就不可避免的會侵蝕個人權(quán)利，造成用戶隱私的泄漏與永久記憶。

3.7? 算法優(yōu)化之道：從上至下通力合作

首先，就國家戰(zhàn)略高度而言，需要加強對于算法推薦系統(tǒng)的行政監(jiān)管和法律治理。針對當前算法推薦帶來的一系列諸如信息低俗化、隱私權(quán)侵犯、著作權(quán)風(fēng)險等問題，需要主動進行理論創(chuàng)新和制度創(chuàng)新，以應(yīng)對人工智能時代的風(fēng)險。

其次，就技術(shù)平臺自身而言，需要不斷優(yōu)化其算法機制，建設(shè)多指標的推薦系統(tǒng)[9]。例如內(nèi)容的重要性、時新性、接近性、顯著性等，增加優(yōu)質(zhì)內(nèi)容的信息到達率。同時針對算法“黑箱”，即不透明性的問題，技術(shù)平臺也需要不斷加強行業(yè)自律，有效傳遞正確的價值觀。

再次，就傳統(tǒng)從業(yè)人員而言，需要實現(xiàn)新聞專業(yè)主義的現(xiàn)代轉(zhuǎn)型。伴隨著媒體智能化的進一步深化，技術(shù)邏輯的介入讓新聞專業(yè)主義面臨前所未有的挑戰(zhàn)。但是面臨挑戰(zhàn)不代表新聞專業(yè)主義會就此消解，恰恰相反，在這個技術(shù)當?shù)赖淖詣踊瘯r代，對媒體人的職業(yè)素養(yǎng)要求被提升到一個前所未有的高度。專業(yè)媒體或自媒體需要具有更好的辨識能力，才能盡可能減少失誤，在紛繁復(fù)雜的線索中，去探求事物的真相，解讀事物的發(fā)生、發(fā)展規(guī)律，完成深度報道[10]。

最后，就用戶自身而言，需要不斷提升其媒介素養(yǎng)。但在這個智能化時代，媒介素養(yǎng)的概念也需要進行新一輪的擴充升級，它不再僅僅指用戶的媒介使用素養(yǎng)、信息傳播素養(yǎng)、社會交往素養(yǎng)、社會參與素養(yǎng)等，還應(yīng)該建立對于數(shù)據(jù)的理解和認識，即數(shù)據(jù)素養(yǎng)的養(yǎng)成。所謂數(shù)據(jù)素養(yǎng)，是指人們有效且正當?shù)匕l(fā)現(xiàn)、評估和使用信息和數(shù)據(jù)的一種意識和能力。就我國當前的傳媒業(yè)態(tài)而言，不論是專業(yè)從業(yè)人員還是普通用戶，數(shù)據(jù)素養(yǎng)的建立都是必不可少的。

4? 簡要評介

傳媒領(lǐng)域自誕生起就與技術(shù)演進息息相關(guān)，每一次傳播媒介的迭代更新都會引發(fā)人類傳播活動的重大變革。電磁鐵的發(fā)明讓人類首次實現(xiàn)了長距離即時通信，電報的出現(xiàn)大大加快了信息的流通速度;此后，電話、傳真機的發(fā)明都為人類的交流活動提供了多種途徑。20世紀初，無線電波的發(fā)明實現(xiàn)了聲音的輸送，廣播就此誕生，此后幾十年間，廣播一直是人類了解信息的重要工具，直到電視的大規(guī)模流行。同時擁有聲音和圖像的電視機很快取代了廣播，成為人們生活中獲取信息的重要工具，如果沒有互聯(lián)網(wǎng)的出現(xiàn)，也許電視會一直制霸通訊領(lǐng)域。但很可惜，1969年阿帕網(wǎng)的出現(xiàn)，讓這一新興技術(shù)成為接下來對世界產(chǎn)生最深遠影響的發(fā)明之一，當前人類的生活已無法離開互聯(lián)網(wǎng)?；ヂ?lián)網(wǎng)技術(shù)的出現(xiàn)也讓人類的傳播活動再一次發(fā)生巨大變革。從電腦端的網(wǎng)站到移動端的App再到未來的AI，人們的傳播活動一直隨著技術(shù)的演進而不斷發(fā)生變化，這也是為什么個性化算法推薦能成為當前研究熱點的重要原因，技術(shù)在整個新聞傳播領(lǐng)域發(fā)揮著越來越重要的作用。

通過對2016—2019年間的1 163篇文獻進行量化分析后，筆者總結(jié)出當前學(xué)術(shù)界的七大研究熱點。第一，是針對算法技術(shù)本身的研究，要想弄清楚個性化算法推薦對傳媒領(lǐng)域的影響，那么首先就需要清楚算法運行的機制和原理;第二，就是針對算法推薦系統(tǒng)的應(yīng)用研究，這也是備受學(xué)界關(guān)注的一大熱點，一項技術(shù)的發(fā)明最終還是要落實到具體應(yīng)用，個性化算法推薦如何能更好的作用于互聯(lián)網(wǎng)空間一直是學(xué)界關(guān)注的熱點議題;第三，由于個性化算法推薦的應(yīng)用導(dǎo)致用戶開始只關(guān)心其感興趣的話題也就是出現(xiàn)了學(xué)者們常常討論的“信息繭房”現(xiàn)象，但也有學(xué)者持相反意見，他們認為這種個性化推薦為用戶實現(xiàn)了“信息減負”，所以針對算法推薦究竟導(dǎo)致“信息繭房”抑或者“信息減負”就成為學(xué)界熱議的話題;第四，自人類傳播活動誕生起，無論是口語傳播時代、文字傳播時代、印刷傳播時代還是電子傳播時代前期，人類永遠是訊息的把關(guān)者，但是個性化算法推薦的出現(xiàn)，打破了這一定律，把關(guān)人逐漸由“人”過渡到“機器”，這無疑會引起大家對未知的恐慌，尤其是當前的機器把關(guān)依舊具有機械性、模式化的缺點，導(dǎo)致信息推送的同質(zhì)化、極端化，此番種種也都引起了學(xué)界的關(guān)注，成為研究的熱點話題之一;第五，則是關(guān)于算法中立性的討論，其實這一爭議并不僅僅局限于算法，自技術(shù)誕生以來，關(guān)于技術(shù)中立性的討論一直就是學(xué)界關(guān)注的熱點議題，區(qū)別僅僅在于宏觀與微觀的差異，即將針對整個技術(shù)環(huán)境的討論細化到具體某一技術(shù)領(lǐng)域;第六，算法技術(shù)能夠?qū)崿F(xiàn)個性化精準推送所依賴的就是對于用戶信息的搜集與分析，但是用戶體驗的升級卻是以隱私泄漏為代價，這些無疑讓學(xué)界甚為擔憂，尤其是近年來互聯(lián)網(wǎng)公司也頻頻爆出泄漏用戶隱私的丑聞，如“Facebook數(shù)據(jù)門”事件等，無疑讓這一話題成為討論的重點;第七，不難看出，算法技術(shù)在當前仍舊是一把雙刃劍，但技術(shù)發(fā)展的歷史潮流不可阻擋，所以針對算法存在問題提出優(yōu)化之道，就是學(xué)界非常關(guān)注的研究重點，學(xué)者們期盼能更多的發(fā)揮其優(yōu)勢作用，規(guī)避其不利影響。

學(xué)界針對算法推薦機制的研究除了具有學(xué)術(shù)價值外，還具有一定的實用價值，尤其是為政府管理者和企業(yè)提供了部分建議。

首先，從政府角度而言，算法推薦機制帶來的諸多弊端是需要引起足夠重視的，作為一個監(jiān)管者和規(guī)范者，政府更需要從宏觀角度審視算法技術(shù)，做好頂層設(shè)計，加強法律監(jiān)管，盡可能發(fā)揮出技術(shù)的最強優(yōu)勢，當然現(xiàn)在很多國家和地區(qū)也都重視到這個問題，比如美國在2017年制定的《算法透明與追責(zé)原則》，從知情原則、接入和糾正原則、追責(zé)原則等七個方面規(guī)范算法。

其次，從企業(yè)角度來看，平臺作為技術(shù)的管理者和使用者，在最大限度挖掘技術(shù)亮點的同時，也要兼顧社會效益，實現(xiàn)經(jīng)濟利益與社會效益的結(jié)合發(fā)展。

縱觀近年來有關(guān)算法推薦的學(xué)術(shù)文獻，可以看出，針對該領(lǐng)域的研究非常多樣且豐富，但是也確實還存在一些研究空白。

首先，在針對主體的研究上，學(xué)者們的視野主要還是集中在政府、平臺和技術(shù)本身，卻恰恰忽略了技術(shù)制定者——算法工程師的重要作用，截至目前，有關(guān)算法工程師的研究也只有嚴三九教授及其學(xué)生袁帆發(fā)表在2019年9月《現(xiàn)代傳播》期刊上的一篇題為《局內(nèi)的外人：新聞傳播領(lǐng)域算法工程師的倫理責(zé)任考察》的文章。

其次，從總體上來看，針對該領(lǐng)域的量化研究還比較少，更多還是從經(jīng)驗性的角度去探討這一話題，缺乏可視化的數(shù)據(jù)進行佐證。

再次，由于近年來算法推薦機制暴露的問題比較多，所以學(xué)界針對算法技術(shù)更多還是傾向于從一個批判的角度出發(fā)，筆者通過分析后發(fā)現(xiàn)，該領(lǐng)域中批判性的文章超過半數(shù)，但是從實際來看，算法推薦技術(shù)確實有其不可替代性，“信息繭房”等問題也不應(yīng)全部怪罪于算法，因此針對改領(lǐng)域的研究需要更加客觀中立。

最后，就是由于學(xué)科限制問題，作為純文科領(lǐng)域針對技術(shù)板塊的研究，很難觸及背后的技術(shù)原理分析，所以難免浮于表面，無法精準抓住問題的痛點，這一現(xiàn)象也是當前眾多高校關(guān)注的重點。由于新傳領(lǐng)域的跨界研究特征越發(fā)凸顯，很多高校在人才培養(yǎng)上開始出現(xiàn)工文結(jié)合的特點，跨界培養(yǎng)的趨勢愈發(fā)明顯，但同時，這也是未來高校人才培養(yǎng)面臨的一大挑戰(zhàn)，如何兼顧技術(shù)背景與文學(xué)素養(yǎng)成為一大難題。

參考文獻

[1]王茜.打開算法分發(fā)的“黑箱”——基于今日頭條新聞推送的量化研究[J].新聞記者，2017（9）：7-14.

[2]黃仁，孟婷婷.個性化推薦算法綜述[J].中小企業(yè)管理與科技（中旬刊），2015（3）：271-273.

[3]田亞平，楊力，王小琴，等.基于節(jié)點親密度挖掘的謠言抑制算法[J].網(wǎng)絡(luò)與信息安全學(xué)報，2016，2（11）：61-69.

[4]李龍，支庭榮.“算法反恐”：恐怖主義媒介化與人工智能應(yīng)對[J].現(xiàn)代傳播（中國傳媒大學(xué)學(xué)報），2018，40（9）：13-18.

[5]孫海龍.新聞算法推薦對社會價值觀的影響——基于人文主義視角[J].新聞世界，2019（1）：28-32.

[6]喻國明，曲慧.“信息繭房”的誤讀與算法推送的必要——兼論內(nèi)容分發(fā)中社會倫理困境的解決之道[J].新疆師范大學(xué)學(xué)報（哲學(xué)社會科學(xué)版），2020，41（1）：127-133.

[7]彭蘭.機器與算法的流行時代，人該怎么辦[J].新聞與寫作，2016（12）：25-28.

[8]李林容.網(wǎng)絡(luò)智能推薦算法的“偽中立性”解析[J].現(xiàn)代傳播（中國傳媒大學(xué)學(xué)報），2018，40（8）：82-86.

[9]李墨涵.抖音算法推薦機制的局限與對策分析[J].新媒體研究，2019，5（2）：28-29.

[10]彭蘭.更好的新聞業(yè)，還是更壞的新聞業(yè)？——人工智能時代傳媒業(yè)的新挑戰(zhàn)[J].中國出版，2017（24）：3-8.