算法推薦驅動下的新聞生產變革

王欣穎，王欣怡

（1.武漢理工大學， 湖北 武漢 430070；2.荊楚理工學院，湖北 荊門 448000）

一、算法推薦原理解析

（一）場域下的算法推薦技術

社交媒體時代，UGC生產模式受到眾多媒體平臺的采用與鼓勵，網民參與內容生產的熱情在平臺的激勵下不斷高漲，傳統的信息受眾變身為內容生產者參與到信息生產過程中。

另外，傳媒產業生產效率不斷提升，記者、編輯與用戶生產共同造就了如今的信息環境——信息量呈現爆炸式的增長態勢。加之通信基礎設施的飛速發展，個人通信設備不斷迭代更新，受眾比以往可以通過更方便、更廉價的接受工具接觸媒介信息，隨之而來的是受眾被無數的信息包圍，在良莠不齊的信息面前應接不暇，個體信息選擇的難度增大。

基于受眾面臨的信息過載問題，一種幫助用戶過濾掉無用或者不感興趣的信息就顯得尤為重要，這道難題擺在了傳媒面前。當然，如何將用戶更感興趣的信息送達到用戶面前并且幫助用戶從紛繁復雜的信息中擺脫出來，以獲得用戶的平臺黏性仍然包含著傳媒集團的利益考量。傳媒集團為了獲得商業利益，需要獲得越多越好的用戶，這樣才能將信息內容成功變現。

計算機技術的迅猛發展為傳媒產業注入了一股新的力量，算法推薦作為效率非常高的過濾篩選工具為傳媒平臺插上了騰飛的翅膀而獲得了眾多媒體平臺的青睞。傳媒集團將算法推薦引入到信息生產過程中，無疑迎合了技術發展的大趨勢。在算法推薦的驅動下，傳媒的生產效率得到了顯著提高，也為平臺聚集了越來越多的受眾，但是，我們也要看到算法推薦給媒體信息生產各個方面帶來的顯著變化。

（二）算法推薦的簡要內涵

算法推薦是計算機專業術語，它是指通過一些算法程序，向用戶推送他們可能感興趣的內容。算法推薦的進化得益于多個計算機科學領域的成果，包括機器學習、信息檢索、數據挖掘和人機交互等技術的不斷完善和應用。將算法推薦與新聞結合起來的產物就是我們所說的算法推薦新聞。

1. 基于內容的推薦。運用于新聞的算法推薦主要有兩種：一種是基于內容的推薦；另一種是基于協同過濾的推薦。基于內容的算法推薦的工作機制是，從用戶過去已經評價過的內容對象中獲得個人的信息特征，在長期的數據積累過程中逐漸形成用戶畫像。對系統中的所有內容提取內容對象特征，然后將個人的信息特征與內容信息特征進行匹配，為用戶推送較為匹配的內容對象。

2. 協同過濾算法。協同過濾算法是一種利用群體智慧的推薦方式，它可以進一步劃分為基于用戶的協同過濾算法和基于物品的協同過濾算法。基于用戶的協同過濾算法的原理是“人以群分”，通過聚類分析若干用戶的行為數據，將行為類似的用戶編入一個隱形閱讀小組，對目標用戶推薦該小組中其他用戶感興趣但未被目標用戶閱讀過的新聞。基于物品的協同過濾算法的原理是“物以類聚”，如果某兩則新聞總是被同一個用戶閱讀，則默認二者之間有更強的相關性，因而會給閱讀過其中一則的用戶推薦另外一則。基于協同過濾的推薦系統的工作機制是，向用戶推薦相似用戶評價較好的內容。

3. 基于時序流行度的推薦算法。這種算法能夠有效解決以內容為基礎的算法推薦導致的信息繭房問題，也能夠減少算法黑箱操作的隱憂。這種技術具有對最新文本的快速響應能力，將特定時間窗口內流行度較高的新聞推薦給用戶，保證了信息特別是新聞的時效性和新鮮性。

二、算法推薦下新聞生產新局面

新聞生產是指新近變動的事實經過加工形成新聞作品的過程，包括采集、制作、分發等各個方面。從微觀視角來觀察，算法推薦以其精準篩選、高效率送達等優勢融入新聞生產過程中，對上面所說的各個環節都產生了深遠的影響。同時，從宏觀視角來看，算法推薦逐漸改變了整個傳媒行業的生態環境，社交媒體平臺在信息傳播方面的成功無疑具有算法推薦系統的強大助力，促使新聞傳媒集團接受這種先進的新聞生產方式，整個傳媒業生態環境有了較大的改變。

（一）以受眾為中心，開放化新聞生產模式

傳統的新聞生產模式是一種較為封閉的傳播模式，新聞生產更強調生產過程，在一定程度上忽視了用戶的反饋，算法推薦新聞彌補了這一不足。算法推薦在生產過程中以用戶的評價作為篩選的標準，在基于內容為推薦系統中，系統以用戶過去的觀看評價為考量來推薦新的內容。在基于協同過濾的推薦中，系統以近鄰的評價為篩選的標準個性化的推薦內容。可以說，算法推薦使新聞生產模式變得更加開放。

（二）算法推薦重用戶反饋，弱內容把關

算法推薦系統將數據、算法、人機交互有機結合，建立用戶和資源的個性化關聯機制，通過對文本內容的處理，賦予每個文本內容不同的標簽。當前，我國信息消費者的媒介素養普遍不高，許多有噱頭的標題文章或低俗內容更容易獲得用戶的青睞，這些毫無營養甚至有害的信息內容往往擁有較大的閱讀量，算法推薦系統在這種高閱讀量的反饋之下更容易推送低俗的內容給用戶，對眾多用戶特別是青少年人群容易產生負面影響。

（三）算法推薦加快傳統主流媒體的革新

社交媒體率先引進算法推薦，憑借社交強大聚力和算法個性化分發的優勢，迅速搶占市場，在用戶規模和廣告份額上獲得巨大的成功。在這種市場形勢下，傳統主流媒體的社會影響力被頭部社交平臺掩蓋。傳統主流媒體即使有政府財政支持，市場化運營的慘淡局面使其面臨著日益嚴重的生存危機。另外，用戶內容生產被激活，草根大眾的智慧在平臺媒體上得到了展現的機會，進一步讓傳統媒體的內容生產承受巨大壓力。在算法推薦的趨勢下，不少傳統主流媒體開始迎合受眾的信息需求和媒介使用習慣，與平臺媒體合作，借助平臺媒體龐大的用戶規模和先進的算法推薦技術，創新新聞生產方式，試圖拉近與當下年輕受眾的距離，從而重新獲得受眾的認可與支持。

三、算法推薦下新聞生產的隱患

（一）媒介信息缺乏深度，高質量的長尾內容被冷落

算法推薦會根據上下文（即受眾所處的時間、場合等相關信息）智能推薦新聞信息。在這個碎片化的生活場景下，大多數人沒有也不愿意花太多的時間閱讀新聞，算法推薦迎合了受眾在瑣碎時間觀看新聞的需求，這種閱讀場景下的新聞一般是對新聞事件的簡要報道，不適合深度報道等相關新聞體裁。

另外，算法推薦在新聞生產過程中，對新聞文本的提取是通過關鍵字以及權重值得計算來進行的，由于眾多用戶的信息素養不高，更易于被低俗無營養的信息吸引，對于優質內容的回避態度在算法推薦面前被放大，算法推薦強感官刺激的內容。深刻的內容被算法舍棄，取而代之的是各種無營養價值的信息大行其道，長期占據著受眾的時間和精力，真正高質量值得花時間花精力學習和閱讀的信息逐漸成為長尾內容，造成社會資源浪費。

（二）內容生產者隨波逐流，優質內容生產者的積極性被消解

當前，在以市場機制為主導的商業環境下，內容生產機制以PGC與UGC相輔相成。內容生產的門檻降低，眾多內容生產者并非科班出身，自然沒有專業新聞工作者的職業底線，什么內容更容易被推薦他們就寫什么內容，高推薦與高閱讀量成正比，而高閱讀量意味著高商業收益。算法推薦作為一種技術工具沒法對內容進行更為嚴格的把關，從而更加輕易地助長了信息垃圾的生產。社交媒體主要依賴個性化算法向用戶分發新聞，其本身就暗藏著許多低俗的信息需求，為推銷色情、淫穢和暴力新聞打開缺口。

（三）受眾信息需要動態變動，算法難以實現精確匹配

算法分發新聞的邏輯存在兩個問題：一是讓算法的樣本變得“正確”非常困難。用戶的欲望不斷變化，新聞偏好可能經常改變。二是即使完成一次成功的新聞推送，也是基于特定的算法規則，這些規則包含主觀判斷，這些判斷不是靜態的，在原則上都是不完美的。算法推薦是通過設計好的算法程序完成一步步操作，本身就存在靈活性差的缺陷，難以不斷滿足用戶不斷變化的需求。

對于新聞文本這種提取難度較大的信息，算法推進可能會存在誤判。另外，新聞算法推薦可能滿足受眾暫時的需要，但長時間的需求難以通過過去少量的評價被捕捉到，因此這種長時間的深層次的需求難以被算法推薦滿足。

（四）算法不透明，受眾對算法推薦產生不信任感

算法推薦有一系列復雜的步驟，受眾得到的推薦是一系列程序的結果，受眾只知道自己看到的內容是被有選擇性地推薦了，但并不知道是如何被推薦的。算法推薦由于黑箱操作，作為一種復雜未知的并且能制約受眾認知的事物，難以獲取受眾的信任。對算法推薦的低可信度會直接影響受眾對信息內容的接受程度。算法一旦經常失算，用戶的信息滿足感就會遭到踐踏，資訊平臺的公信力就會喪失殆盡。

同時，目前平臺媒體較多地采用專業生產+用戶生產模式，這種模式生產的內容很大部分不是出自專業人員之手。另一個影響可信度的就是專業性，用戶生產這一模式本身就有著低可信度的風險。

（五）把關權利的位移，公共利益受到挑戰

算法推薦“不僅僅包括算法本身，還包括使之運轉起來的一整套規則制度，而這些規則制度由于人工的參與，使得算法機制呈現出一種技術與人工的‘混合邏輯’”。算法以受眾的喜好為標準進行內容的個性分發，其背后的價值邏輯是商業利益。為了迎合媒介素養不高的受眾的趣味，算法傾向于推薦娛樂、惡俗的內容給受眾，許多真正反映民生的值得被大眾媒體傳播的內容沒有面向大眾的機會，社會公共利益受到了挑戰。

（六）主流媒體邊緣化，影響主流媒體發揮功能

主流媒體作為黨和人民的喉舌，具有社會輿情監測、輿論引導等功能，作為社會的瞭望者肩負著重大的責任。隨著社交平臺的發展、媒體平臺的繁榮，受眾長期接觸社交媒體平臺，主流媒體的權威正在一點點喪失，主流媒體的聲音被減弱甚至被掩蓋，失去了曾經輿論引導的強大力量。特別是在某些重大的社會問題發生之際，主流媒體的失聲可能會產生重大的不良后果。

四、總結

算法機制帶來的各種新問題表明：算法不能完全取代人工把關的位置，算法難以對內容進行價值上的審核，記者編輯仍然責任重大，記者編輯需要用他們的職業素養、價值觀為新聞進行二次嚴格把關，為受眾選好每一篇新聞。

媒體平臺需要為有關公眾利益的重要新聞創造傳播的條件，給予更多的流量支持；在算法上，媒體平臺需要健全把關機制，在內容上嚴格要求，力求成為創造社會價值的媒體。

算法推薦的低俗的、毫無營養的內容有市場，歸根到底與受眾的媒介素養有關，每個媒介受眾需要增強媒介自律，拒絕為低俗的內容提供生產的土壤。