昨日，《人民日報》刊載了一篇題為《新聞莫被算法“綁架”》的文章。文章中指出，一些癡迷于技術(shù)算法的新聞客戶端愈發(fā)“簡單粗暴”。點開某篇文章之后，就會迅速被大量相似內(nèi)容刷屏，并且無法拒絕?！度嗣袢請蟆氛J為，媒體被算法、流量和點擊量綁架，而削弱了對新聞?wù)鎸崱⑷?、獨立等準則的堅守。
隨著人工智能的發(fā)展，算法推薦越來越成為了科技界乃至媒體圈推崇的技術(shù)手段。從長遠角度來看，算法推薦是技術(shù)與時代發(fā)展到一定程度所出現(xiàn)的必然現(xiàn)象。算法推薦在全球范圍內(nèi)都已成為一種不可阻擋的趨勢，并且隨著時代的發(fā)展，算法推薦必然會成為未來內(nèi)容領(lǐng)域的主流之一。
當(dāng)然，在算法推薦發(fā)展的過程中，也不可避免地出現(xiàn)了一些問題。在《人民日報》的文章中，指出了算法推薦中存在的簡單粗暴、低質(zhì)量等一系列缺陷。這些問題是確實存在的，也不應(yīng)回避。雖然目前算法推薦非?；鸨€需要更加理智和人性化。如果能提升技術(shù)水平和樹立正確的態(tài)度，相信在未來，這些問題也是可以被克服的。
一、算法推薦種類頗多，應(yīng)用領(lǐng)域愈發(fā)廣泛
算法推薦，就是利用用戶的一些行為，通過數(shù)學(xué)算法，推測出用戶可能喜歡的東西。推薦算法大致可以分為基于內(nèi)容的推薦算法、協(xié)同過濾推薦算法和基于知識的推薦算法。
基于內(nèi)容的推薦算法，是根據(jù)用戶的喜好和關(guān)注過的條目（Item）而進行推薦的。比如你看了《死神來了》第一部，那么基于內(nèi)容的推薦算法就會發(fā)現(xiàn)這個電影的后四部和你之前觀看的內(nèi)容有很大的聯(lián)系，并加以推薦。
這種方法有效地避免了Item冷啟動的問題。所謂冷啟動，就是如果Item未被關(guān)注過，那么其他推薦算法就很少會去推薦。但基于內(nèi)容的推薦算法則不然，它可以分析Item間的關(guān)系，從而實現(xiàn)推薦行為。
不過，這種方法也有弊端，就是Item有很大程度上的重復(fù)可能。比如你看了一則關(guān)于馬航的新聞，那么很多推薦就可能是你瀏覽過的，甚至是內(nèi)容一致的新聞。此外，基于內(nèi)容的推薦算法很難提取到如音樂、電影等多媒體內(nèi)容的特征，因此很難進行推薦。而目前的解決辦法是給這些Item人工打標簽，耗費成本較大，不太劃算。
協(xié)同過濾算法的原理是推薦興趣相似的用戶喜歡過的內(nèi)容。比如你的朋友喜歡《死神來了》，那么也會推薦給你，這即是最簡單的基于用戶的協(xié)同過濾算法。另外還有一種是基于Item的協(xié)同過濾算法。二者都是將用戶的全部數(shù)據(jù)讀入到內(nèi)存中進行運算的。此方法訓(xùn)練過程較長，但訓(xùn)練完成后推薦過程快。
基于知識的推薦算法是通過構(gòu)建領(lǐng)域本體或建立一定的規(guī)則進行推薦，也有將此方法歸為基于內(nèi)容推薦中去的。
還有一種方法是混合推薦算法，即以加權(quán)或者串聯(lián)、并聯(lián)等方式對上述方法進行融合。
基于多種多樣的算法推薦，全球范圍內(nèi)的新聞媒體開始逐漸使用這種方法向用戶推送新聞。
在這方面最早的應(yīng)該是Facebook。2012年，F(xiàn)acebook在廣告領(lǐng)域開始應(yīng)用定制化受眾功能，“受眾發(fā)現(xiàn)”這一概念得到了大規(guī)模應(yīng)用。一年前，F(xiàn)acebook宣布新的動態(tài)消息演算機制。這一計劃來自于對上千位用戶的調(diào)查，依據(jù)結(jié)果對算法進行改善。對此，F(xiàn)acebook發(fā)言人表示，閱讀時間比點贊更能反映興趣。
Facebook通過該項調(diào)查發(fā)現(xiàn)，以點贊、留言和分享為基礎(chǔ)的算法，并不足以代表哪些文章對使用者更有意義，比如人們不愛對嚴肅新聞或朋友的悲傷消息進行點贊或留言。因此，將文章瀏覽時間納入貼文排名機制中，以推測使用者感興趣的文章類型。
在目前國內(nèi)許多的資訊類網(wǎng)站中，也應(yīng)用到算法推薦，揣度用戶感興趣的內(nèi)容并向其進行推送。算法推薦不僅可以被應(yīng)用于新聞資訊方面，還可以應(yīng)用于其他方面。
比如亞馬遜所使用的主流推薦算法，就是基于物品相似性和用戶瀏覽、喜歡、購買等數(shù)據(jù)的協(xié)同過濾推薦，即用戶緯度和商品緯度。
由于不依賴用戶而基于商品的相似性，所以不會有冷啟動問題。但也因為不依賴用戶，所以比較死板，缺乏個性化推薦。這一算法廣為人知，但越是簡單的算法要達到好的效果就越難，特別是這種轉(zhuǎn)化率極低的算法。在國內(nèi)，也有許多電商平臺在應(yīng)用這種算法。比如“猜你喜歡”、“相似推薦”等功能，就是這種算法的具體體現(xiàn)。
隨著互聯(lián)網(wǎng)的持續(xù)發(fā)展，我們正處于一個信息爆炸的時代。與以往信息匱乏的狀況相比，面對現(xiàn)階段的海量數(shù)據(jù)，對信息的篩選和過濾成為了衡量系統(tǒng)好壞的重要指標。具有良好用戶體驗的系統(tǒng)，必然會先對海量信息進行篩選和過濾，剔除無用的低效的部分，展現(xiàn)在用戶面前的必然是高效的或用戶感興趣的部分。
這不僅能夠大幅提升系統(tǒng)的工作效率，也能節(jié)省用戶篩選信息的時間。此前，搜索引擎的出現(xiàn)在某種程度上解決了信息篩選層面的問題，但還遠遠不夠，因為搜索引擎也畢竟需要用戶主動提供關(guān)鍵詞來進行篩選工作。一旦用戶無法準確描述自己的需求，搜索引擎的篩選效果就將大打折扣。
事實上，受諸多因素的限制，用戶要將自身需求精準地標簽化難度也非常大，這催生了推薦系統(tǒng)的出現(xiàn)，這一系統(tǒng)很好地解決了上述問題，成為用戶和信息之間聯(lián)系的重要橋梁。一方面，用戶能夠更迅速地發(fā)現(xiàn)對自身有價值的信息。另一方面，信息能夠展現(xiàn)在對其感興趣的受眾面前，從而實現(xiàn)商家與用戶的“雙贏”局面。
然而，在算法推薦崛起的過程中，也委實出現(xiàn)了許多問題。
二、算法推薦簡單粗暴，未來需趨向于人性化及智能化
當(dāng)下，人工智能成為了科技界的熱門詞匯，許多技術(shù)都想和“人工智能”挨邊，算法推薦也不例外。但實際情況很可能是，當(dāng)前許多平臺使用的算法根本就和“智能”沒有太大的關(guān)系，而只是一種簡單粗暴的線性技術(shù)。
先說目前許多資訊類平臺常用的推薦方式。就是一旦用戶點開了某個內(nèi)容，后續(xù)就會連續(xù)不斷地推薦相關(guān)的內(nèi)容。這會導(dǎo)致用戶閱讀面越來越窄。此外，用戶完全無法通過排版來確認重點和非重點內(nèi)容，讓人有些無法忍受。
實際上，目前普遍用到的算法并不是真正意義上的智能，而是一種類似于金融資本的方法。就像財務(wù)投資人并不需要去理解公司本身，只要關(guān)注是否增值即可。遷移到算法方面，即不用在乎實質(zhì)內(nèi)容是什么，只管是否能夠數(shù)字化、是否能分類集合、是否能優(yōu)化反饋即可。這就是當(dāng)前算法處理海量信息的本質(zhì)，它與資本一樣，既能提升效率，也會與個體產(chǎn)生矛盾。
從本質(zhì)上來看，目前通過算法推薦內(nèi)容的新聞資訊平臺只是表面現(xiàn)象，實際上起到的是用戶行為數(shù)據(jù)收集器和分析器的作用?？梢詫⒚恳黄Y訊都看作一道對用戶的測試題，而用戶的每一次點擊與評論都是一種回答，都會被系統(tǒng)記錄，并與閱讀時間、標簽、關(guān)鍵詞等一道構(gòu)成多維數(shù)據(jù)矩陣，從而刻畫出這個讀者的特征。
當(dāng)然，以資訊面貌呈現(xiàn)出的測試題是相當(dāng)粗糙的。不過用戶多是在無意識中完成“測試”的，答案較為真實。這其實也就是此類平臺技術(shù)和商業(yè)模式的核心。
從本質(zhì)來看，資訊類的算法推薦無非是將內(nèi)容推薦給用戶。這主要會對兩類人產(chǎn)生影響：生產(chǎn)者（媒體）和消費者（用戶）。
對生產(chǎn)者或者說媒體人而言，這是一個不錯的消息，因為不必再擔(dān)心渠道問題，并且可以更加高效廣泛而又有針對性地使自己的產(chǎn)品達到傳播效果。因為只要是優(yōu)質(zhì)的內(nèi)容，這類平臺還是很樂意給予流量并推薦給用戶的。當(dāng)然，這也能培養(yǎng)媒體人對用戶需求的敏感度，更深層次地去思考什么是用戶眼中的“好內(nèi)容”。
對于用戶而言，算法推薦極大地縮減了搜索的成本，提升了閱讀效率，有利于獲得更為全面的資訊與知識。此外，由于這類資訊平臺的反向推動力，能使得媒體人更在意用戶需求。這有利于在一定程度上形成對權(quán)威的解構(gòu)，使用戶獲得更合適他們的內(nèi)容。
但問題在于，目前的算法推薦也確實存在著內(nèi)容單一、格局狹窄等一些問題。其實質(zhì)問題在于，算法推薦還尚未實現(xiàn)真正的“智能化”。真正優(yōu)質(zhì)的內(nèi)容應(yīng)該是原創(chuàng)，有觀點的碰撞，更有話語的創(chuàng)新?？上У氖?，由于技術(shù)等條件的限制，目前的算法尚未學(xué)會這些。如果資訊和新聞缺少了精神風(fēng)格和主心骨，那就無法稱之為真正的優(yōu)質(zhì)。對于資訊平臺而言，其表象與算法機器的矛盾依然存在。
總的來說，以算法為主的資訊平臺不應(yīng)僅僅以商業(yè)模式壓制一切，同時也應(yīng)該兼顧理想和精神層面的內(nèi)容。隨著深度學(xué)習(xí)等技術(shù)的發(fā)展，人工智能應(yīng)該會更加深入地與算法推薦相結(jié)合，技術(shù)會更為理智和人性化，進一步克服當(dāng)前存在的缺陷，從而生產(chǎn)出真正優(yōu)質(zhì)的內(nèi)容。
（鈦媒體作者：最極客，文/東方亦落）
快報
根據(jù)《網(wǎng)絡(luò)安全法》實名制要求，請綁定手機號后發(fā)表評論