傳播學21天學習計劃-第二十天

翠老師

第二十天 熱點專題五 新聞推薦算法專題

新聞推薦算法是目前新媒體研究中的熱點。

在前互聯網時代,報紙、廣播、電視等傳統媒體主要通過人工為受眾推薦信息；

在互聯網發展初期,信息的熱門推薦方法得到發展并在各種網站大量使用；

目前所處的大數據時代,則以個性化算法推薦和信息流展示為主流。

一、現狀概況

個性化信息推送是基于“用戶洞察”的個性化信息的智能匹配,即通過人工智能分析和過濾機制,根據個性化需求聚合相關的信息和應用,并以此對信息進行深度智能分析,以實現用戶個性化、動態的需求。概言之,就是為用戶找到與其需求相匹配的內容;反過來說也就是為內容找到與其屬性相匹配的用戶。個性化內容推送作為一種相對成熟的人工智能技術,對于新聞業務鏈的創新發展產生了革命性的影響。

目前,個性化新聞推送，主要是通過挖掘用戶數據，從而針對用戶興趣點進行新聞推送的聚合新聞APP。國內主要是以今日頭條、天天快報和一點資訊等算法類資訊平臺為代表。用戶粘連性強、滲透率高等特點使得這類平臺在我國新聞APP市場上擁有極高的市場占有率。

個性化新聞推送已經成為新聞市場的“新星”,新聞產業的市場格局在個性新聞推送的驅動下正在發生著變化,整個新聞生產業務鏈條正在面臨重塑,新聞生產環節和用戶接收環節都呈現出若干前所未有的新特點。

二、新聞生產的智能化數據驅動范式

數據引擎成為內容標配,激活“長尾內容”，新聞內容分發成為專業化的獨立部門。
1.新聞生產的智能化數據驅動范式

數據引擎成為內容“標配”;激活“長尾內容”，傳統的新聞生產是一種依賴新聞生產者經驗的規模化生產,相對而言帶有精英主義的傲慢。而個性化新聞推送引發的新聞生產是一種“新聞內容+數據化精確制導”的生產方式,新聞生產者的精英主義傲慢逐步被互聯網時代的數據思維和用戶思維所取代。

互聯網時代的用戶對于信息的個性化需求廣度和深度在不斷擴張,新聞生產者為了滿足受眾的個性化需求,在產品最初環節就以用戶的興趣為出發點,把用戶的需求當作目標把用戶興趣圖譜、社會關系圖譜、生活習慣圖譜等數據作為定制化生產新聞的基礎。在這樣一個過程中,新聞生產實際上是一種數據化的新聞生產,新聞生產者利用數據驅動帶動業務發展和產品研發,用數據支撐新聞生產的選題、策劃、制作方式等每個流程,新聞產品也更能觸動用戶的痛點時,個性化新聞推送能夠使得長尾內容得到有效利用,并且形成一定規模,內容資源得到更大力度的激活與開發。

長尾需求表明商業和文化的未來不在熱門產品,不在傳播需求曲線的主體部分,而在于過去被視為“失敗者”的那些產品—也就是需求曲線中那條無窮長的尾巴。個性化新聞推送下通過對數據的挖掘,原來被忽視的大量的長尾信息被挖據。這些非主流、個性化的產品需求,雖然是需求的尾巴,但是經過散落在社會各個角落中的用戶的累積,形成一定規模,能夠使得大量傳統的新聞資源和價值被激發。
2.新聞內容分發成為專業化的獨立部門
今天,傳統的內容分發已經無法解決海量的內容與用戶特定需求之間越來越深刻的矛盾在這種形勢下,個性化內容推送的專業分發平臺應運而生,在智能化數據引擎的作用下內容和用戶之間形成新的強連接關系。與此同時,內容生產環節和分發環節順理成章地分離開來。
新的內容分發平臺是基于移動端的,集社交、搜索、場景識別、個性化推送、智能化聚合于一體的智能算法型平臺,提高了內容分發的效率及個性化切合度。以今日頭條為例它的定位是一個個性化的內容分發渠道,根據用戶在社交網站上發布的內容及其所屬類別、用戶自標簽、社交關系、社交行為,以及參與的群組、機型、使用時間等數據源,推斷用戶的興趣點,對用戶進行畫像,并根據這些興趣的重要程度或者先后順序進行推送,從而實現個性化新聞推送。根據這些數據,用戶與信息之間實現了精確匹配。它推送的內容來自兩方面,一方面是對網易、騰訊等各大門戶網站的新聞進行內容聚合合,另一方面則是其頭條號下匯集的自媒體內容。它不生產內容,只專注于內容的分發,使得用戶直接與信息源對接,這實際在某種程度上保證了新聞的客觀性和新聞資源最大限度的利用和開發。

三、個性化新聞推薦算法的問題
內容不契合用戶興趣點、倫理沖突、個性化新聞推薦算法的問題、信息繭房與信息成癮
1.內容不契合用戶興趣點
個性化推薦對數據的數量與質量要求較高,多數新聞資訊類APP要面對大量歷史閱讀記錄為空白的新增用戶,基于此,個性化推薦效果遠不如熱門推薦效果。另外,無論是基于內容的推薦還是協同過濾算法技術,本身都存在一定的缺陷。如無法對文章內容進行深入處理,只能從文章特有的高頻關鍵詞進行標簽層面的相似度匹配,話題層面膚淺無法與用戶氣質、性格、生活方式等進行深層次匹配,難以滿足用戶細膩的心理需要。
2.倫理沖突

數字系統以清晰的方式,和它們根植于其中的文化緊密地融合在一起”。托馬斯·克倫普在其著作《數字人類學》中直截了當地指出,人類建構的數字系統就是人的鏡像系統。不可否認,人類社會充滿著各種各樣的歧視,世俗社會的民族、宗教歧視,商業社會的金錢歧視,政治社會的權力歧視等,在利益交織的社會中不斷變種。作為同構現實的表征機制,算法新聞的設計是人主導的,不可避免地會受到價值干涉,盡管許多公司極力回避這個問題。以客觀、公正的科學名義設計出的算法難免會有“變種”的歧視,而這個歧視也將變得更加隱蔽。

純粹的個性化推薦系統缺乏對文章的質量與內容的把關,終極目的就是實現流量最大化,因此,用戶在獵奇心理驅使下點開的低俗內容就會得到廣泛地傳播。如早孕網紅、淫穢色情等內容嚴重破壞了網絡生態環境。技術哲學家安德魯芬伯格的技術批判理論認為技術不是一個中立的工具,而是會帶有自己的價值觀與偏好。然而平臺方的默認失責,使得算法被錯誤的價值觀俘獲,低質內容流行網絡。不僅如此,新媒體成為了假新聞的重災區,個性化推薦在不經意間成為了謠言滋生的幫兇。

3.信息繭房與信息成癮
由于個性化推薦系統時根據用戶已有的閱讀偏好進行關鍵詞匹配與推薦,因此相似度低的內容基本不會被推薦。在一次又一次閱讀自己喜歡領域的信息后,用戶不斷地在自己與世界之間筑起一座高墻,許多人沉溺于這樣的擬態環境中不能自拔。信息成癮與信息繭房是一枚硬幣的兩面,個性化推薦應用在被用戶使用的過程中,由于算法不斷貼合用戶想看的內容,使得用戶的欲望不斷被滿足,構成了一個正向反饋,使用戶形成心理依賴。
4.權利沖突
算法的權利沖突主要體現在兩方面,一是用戶信息的“被遺忘權”,二是內容原創版權。個性化推薦算法“記住”了用戶的閱讀喜好,但是對于用戶而言,被記住不一定是好事用戶同樣存在著讓算法忘記他過去喜好的需求。另外,算法只負責推薦,并不知道文章由誰撰寫,以及是否涉嫌抄寫。事實上,許多企業的推薦系統中的文章數據,是從其他網頁抓取的,換句話說,是未經授權的竊取。
四、推薦算法的優化策略
技術革新
推薦篁法的優化策略
構建優質內容生態

克服信息繭房

1.技術革新

傳統的推薦算法范式本質上就是熱門推薦補充關鍵詞匹配,要實現有效傳播,在技術上必須不斷革新。對于協同過濾算法中存在的不恰當推薦問題,在應用上可以增設一個界面,允許用戶設定明確地不想被推薦的話題,增加算法的可預測性和可控制性。另外,應當加強內容的審核,有針對性地開發一套機器學習系統,根據文本關鍵詞等特征識別出低俗內容,以人工審核為輔助,守住內容底線。

2.構建優質內容生態

從內容生態的構建角度,互聯網企業應當考慮整個個產業的長遠發展,將回報向優質內容的生產者傾斜,同時遏制低俗內容的蔓延。作為互聯網公司,要改變單純追求用戶時長的KPI( Key Perfoemance Indicator,關鍵績效指標)評判標準,注意內容的消費升級。其次,監管自動化內容審核系統已經有了長足的進步,但是依然需要一套人工審核系統來完成最后的內容放行。要積極通過立法方式規范監管,鼓勵優質主旋律內容的生產與傳播。同時,政府機構應當充分發揮作用,對市場調節失靈的情況進行合理干預,讓信息流消費市場不至于淪為低質量內容循環生產的垃圾堆。

3.克服“信息繭房”

個性化推送帶來的“繭房”效應問題可以通過對用戶潛在信息需求的挖掘來解決。社交網絡時代,用戶的需求半徑即社交半徑,活動范圍即場景化需求。要想進一步滿足用戶的潛在需求,需要獲取用戶的社交數據和場景化應用數據,結合用戶的社交特征和場景進行個性化新聞推送。對不具備社交續體基因的個性化新聞推送平臺而言,要獲取核心社交數據,必須打通行業壁壘,廣泛開展技術共享或資本層面的合作。場景化數據反映的是用戶隨時隨地的動態需求,用戶日常生活的活動范圍就是用戶可能產生場景化新聞需求的突破口,通過技術手段對用戶的活動范圍進行精準的畫像,結合LBS等技術就可以優化場景化新聞資訊信息供給和服務。

第二十天 習題訓練

l  簡答題(本大題共題,各1分,共分（2018復旦大學專碩440）

題目：以《今日頭條》為例,分析新聞個性化推送。

新聞個性化推送,是當下互聯網時代,基于大數據和算法技術而產生的新的新聞分發模式,以《今日頭條》客戶端為例,吸引了大量受眾。新聞的個性化推送為新媒體環境下的新聞生產和分發找到了新的模式,但也暴露出了很多問題新聞個性化推送的優勢。
(一)受眾地位升級,最大限度滿足受眾需求
新聞的推送完全從受眾的角度出發,受眾的需求得到了前所未有的重視,地位得到了提高。
(二)激活新聞內客的長尾應,滿足用戶的小眾需求
新聞個性化推薦給原本不受重視的新聞小眾內容帶來了新的發展可能,滿足用戶小眾需求的同時也為營利帶了一種新的可能。
(三)帶來新聞機構的變革,新聞內容分發成為專業的獨立部門
新聞內容分發成為專業的獨立部門,給新聞機構帶了一次新的變革。
二、新聞個性化推送的劣勢
(一)完全由受眾出發,容易使受眾形成信息繭房和滴費形式的固化。
以算法主導的新聞個性化推送,會根據用戶的喜好和習慣推送類似的新聞,這樣會給受眾帶來信息繭房和消費內容的固化的問題。
(二)算法獲取數據,公民隱私容易遭受侵犯。
個性化推薦的本質,其實是對于用戶數據的攫取和挖據,在缺乏配套制度的情況下,數據的挖據容易造成隱私的泄露。
(三)算法由人為控制,容易造成凌駕于公權力之上的第三權力。
算法公司為第三方公司,掌握眾多用戶的信息和數據,這對于政府公權力來說是種隱患。新聞個性化推送的本質其實是從受眾角度出發,進行新聞的生產和分發,這其實是在傳統媒體收到互聯網的沖擊,和當下內容生產過剩的情況下的有效嘗試。但是還出現了許多問題,這些問題可以由技術的進步和人為把關的加強來解決,由此，發揮出新聞個性化推送最大的現實價值和意義。

??【學習匯總貼】  請戳此獲得21天學好傳播學