新聞推薦算法的局限與優(yōu)化

鄭子藝

摘要：新聞推薦算法是網(wǎng)絡(luò)媒體時代新興的新聞編輯技術(shù)，通過分析用戶行為特征，推測用戶的喜好和需求，目前備受互聯(lián)網(wǎng)公司青睞。但實(shí)踐積累發(fā)現(xiàn)，新聞推薦算法存在很多弊端，本文就其局限性展開分析，提出智能全面化用戶數(shù)據(jù)采集、人工推薦與智能篩選結(jié)合、開辟與細(xì)化用戶設(shè)置渠道三方面的優(yōu)化策略。

關(guān)鍵詞：新聞推薦算法 局限 優(yōu)化

新聞推薦算法是一種定制化信息服務(wù)技術(shù)，以大數(shù)據(jù)和人工智能為基礎(chǔ)，通過采集用戶行為數(shù)據(jù)，比如點(diǎn)擊、閱讀、轉(zhuǎn)發(fā)及評論的特征，進(jìn)行分析、推測用戶對內(nèi)容的偏好和潛在需求，自動抽取、整合、編排信息，最后實(shí)現(xiàn)個性化內(nèi)容的推薦。

互聯(lián)網(wǎng)技術(shù)的發(fā)展加快了新聞生產(chǎn)及傳播的速度。面臨海量資訊，人的選擇精力和接受能力都有限，極易淹沒在信息洪流中。網(wǎng)絡(luò)時代傳統(tǒng)“把關(guān)人”的力量被削弱，但“把關(guān)”價值本身更加重要了。某種程度上算法就充當(dāng)著“把關(guān)人”的角色，理想情況下以用戶意志為把關(guān)標(biāo)準(zhǔn)，在用戶導(dǎo)向的服務(wù)邏輯下挑選信息。

這種算法的初衷是滿足用戶需求，節(jié)約用戶時間，提供以人為本的用戶體驗(yàn)。這樣全新的編輯機(jī)制剛一出現(xiàn)立即獲得了業(yè)界和用戶的認(rèn)可，迅速席卷各大網(wǎng)絡(luò)公司。幾乎所有新聞媒體都或多或少采用類似的算法，比較典型的有Facebook、Google搜索等。國內(nèi)最具代表性的當(dāng)屬今日頭條了，品牌口號“你關(guān)心的才是頭條”很好地描述了今日頭條的產(chǎn)品定位。后起的許多聚合類新聞App，如一點(diǎn)資訊、UC頭條的運(yùn)轉(zhuǎn)理念均與之類似。

毋庸置疑，新聞推薦算法的出現(xiàn)解決了網(wǎng)絡(luò)新聞傳播的一些問題，但沒有所宣揚(yáng)的那么智能，實(shí)際上目前流行的大多數(shù)算法還遠(yuǎn)沒有達(dá)到足夠聰明的程度，仍存在許多隱患。

信息定制化存在的局限

一、過濾信息的質(zhì)量有待提高。如果說原來的互聯(lián)網(wǎng)世界是龐雜的，那新聞推薦算法并沒有改變這種信息特質(zhì)。算法僅以新聞主題為單位，粗略地幫助用戶縮小了信息范圍，但并沒有對信息的具體內(nèi)容和質(zhì)量加以甄別，海量單一內(nèi)容的涌現(xiàn)，比原來更讓人眼花繚亂、失去判斷。算法將大量的相關(guān)信息堆積給用戶來顯現(xiàn)它的“高效智能”，沒想到卻適得其反，永無止境的相關(guān)信息推送給用戶帶來一種十分焦慮的閱讀體驗(yàn)，因此越來越受詬病。

二、錯誤判斷用戶喜好與需求。僅從閱讀的駐留時間、點(diǎn)擊次數(shù)、轉(zhuǎn)發(fā)評論等數(shù)據(jù)分析，并不能百分百還原用戶“畫像”，經(jīng)常出現(xiàn)算法失誤的情況，誤解了用戶心理。盡管有時候用戶點(diǎn)擊了某個主題的內(nèi)容，但可能只是一個短暫需求或是選擇失誤，結(jié)果由于算法的機(jī)械與延遲，之后的一段時間內(nèi)一直重復(fù)給用戶推送相關(guān)信息，造成不良的用戶體驗(yàn)甚至困擾。而目前的算法系統(tǒng)大多缺少用戶反饋渠道或是反饋操作不夠便捷有效，用戶反映真正手把手“調(diào)教”好自己的推薦系統(tǒng)難度太大。

三、窄化信息面產(chǎn)生過濾氣泡。由于回音室效應(yīng)的存在，一些相似的信息、相近的意見被不斷地重復(fù)，嚴(yán)重窄化信息接觸面?；ヂ?lián)網(wǎng)活動家埃利·帕里策針對算法的這種局限提出了“過濾氣泡”的概念。同質(zhì)化的信息反復(fù)，與多元化的理念背道而馳，人們沉浸在個人日報的滿足中，失去大量了解不同事物的機(jī)會和能力，思想逐漸狹隘，個人生活呈現(xiàn)定式化、程序化，嚴(yán)重消解社會創(chuàng)造力。另外算法還阻礙了人們了解真實(shí)的世界，為了迎合用戶而制造片面的擬態(tài)環(huán)境，單方面的信息輸入往往帶來極大的認(rèn)知偏頗。

優(yōu)化算法推薦機(jī)制

已經(jīng)有越來越多的人意識到了算法的局限性，甚至有人喊話抵制算法。不過這樣的主張顯然是不理智的，更合理的辦法是從算法本身的設(shè)置和使用方式上進(jìn)行一定的優(yōu)化。

一、智能全面化用戶數(shù)據(jù)采集。挖掘更多的用戶信息，使算法能夠更精準(zhǔn)地描畫用戶形象，推測用戶需求。除了現(xiàn)行主要依靠的用戶操作數(shù)據(jù)之外，要善于洞察細(xì)節(jié)，從更多維的指標(biāo)了解用戶，包括采取一些基礎(chǔ)性調(diào)查、測試，充分了解用戶的社會身份及其社會交往。比如用戶的工作身份和家庭身份，兩個身份所處的圈子截然不同，話題相去甚遠(yuǎn)，算法了解用戶本身特點(diǎn)的同時也要對用戶的社交環(huán)境有所了解，將計(jì)算范圍和測度指標(biāo)擴(kuò)大到相接觸的其他人。當(dāng)人們扮演不同社會身份時會有不同角度的信息需求，算法對此都要進(jìn)行準(zhǔn)確的計(jì)算。當(dāng)算法判斷出用戶的社交需求，不管個人是否意識到、行為是否有所表現(xiàn)，都主動推送，改善用戶洞察技術(shù)對用戶需求定義的代表性和完整性。

二、人工推薦與智能篩選結(jié)合。算法判斷需求的難度，一方面源于某些需求是人們自身都沒有明確意識到的，就沒有通過行為表達(dá)出來；另一方面，人們本能地傾向軟性的、輕松的、娛樂性的內(nèi)容，算法捕捉到的用戶喜歡的內(nèi)容，未必是用戶真正值得花時間了解的信息。正確判斷新聞價值光靠擴(kuò)大數(shù)據(jù)采集面是遠(yuǎn)遠(yuǎn)不夠的。根據(jù)賴特的“傳播四功能說”，大眾傳播應(yīng)該具備的社會功能有環(huán)境監(jiān)視功能、解釋與規(guī)定功能、社會化功能，最后才是提供娛樂。新聞媒體如果一味地迎合用戶，放棄媒體獨(dú)立的價值判斷和價值引領(lǐng)，是典型的本末倒置行為。即便是網(wǎng)絡(luò)時代，也要堅(jiān)持傳統(tǒng)媒體的專業(yè)性，思考怎樣維持用戶粘度，不犧牲媒體自身的新聞判斷和價值觀來妥協(xié)。

三、開辟與細(xì)化用戶設(shè)置渠道。算法是輔助用戶選擇信息的工具，永遠(yuǎn)不要做信息的壟斷者，更不能反過來主導(dǎo)用戶的意識，要將主動權(quán)和主動的意識還給用戶。算法的運(yùn)行規(guī)則應(yīng)該盡可能透明化，讓用戶理解，鼓勵用戶獨(dú)立思考，并暢通用戶反饋渠道，開放用戶對算法的設(shè)置。讓用戶可以對算法誤差進(jìn)行調(diào)整，細(xì)化相關(guān)設(shè)置，不僅僅在內(nèi)容方面深入更多選擇，包括推送的時間和頻率也應(yīng)該有所調(diào)節(jié)，始終保證雙向良性互動。用戶自身在享受新媒體資源優(yōu)勢，利用算法推薦系統(tǒng)的便利性時，也要不斷提升自己的媒介素養(yǎng)，注意嚴(yán)肅新聞的閱讀，控制娛樂化傾向，全面了解客觀事實(shí)，避免極端情緒，做會思考、有思考的受眾。只有用戶與媒體兩相配合，才能成為信息世界最優(yōu)質(zhì)的“把關(guān)人”。

（作者單位：河北大學(xué)）