新闻推荐算法的局限与优化
郑子艺
摘要：新闻推荐算法是网络媒体时代新兴的新闻编辑技术，通过分析用户行为特征，推测用户的喜好和需求，目前备受互联网公司青睐。但实践积累发现，新闻推荐算法存在很多弊端，本文就其局限性展开分析，提出智能全面化用户数据采集、人工推荐与智能筛选结合、开辟与细化用户设置渠道三方面的优化策略。
关键词：新闻推荐算法 局限 优化
新闻推荐算法是一种定制化信息服务技术，以大数据和人工智能为基础，通过采集用户行为数据，比如点击、阅读、转发及评论的特征，进行分析、推测用户对内容的偏好和潜在需求，自动抽取、整合、编排信息，最后实现个性化内容的推荐。
互联网技术的发展加快了新闻生产及传播的速度。面临海量资讯，人的选择精力和接受能力都有限，极易淹没在信息洪流中。网络时代传统“把关人”的力量被削弱，但“把关”价值本身更加重要了。某种程度上算法就充当着“把关人”的角色，理想情况下以用户意志为把关标准，在用户导向的服务逻辑下挑选信息。
这种算法的初衷是满足用户需求，节约用户时间，提供以人为本的用户体验。这样全新的编辑机制刚一出现立即获得了业界和用户的认可，迅速席卷各大网络公司。几乎所有新闻媒体都或多或少采用类似的算法，比较典型的有Facebook、Google搜索等。国内最具代表性的当属今日头条了，品牌口号“你关心的才是头条”很好地描述了今日头条的产品定位。后起的许多聚合类新闻App，如一点资讯、UC头条的运转理念均与之类似。
毋庸置疑，新闻推荐算法的出现解决了网络新闻传播的一些问题，但没有所宣扬的那么智能，实际上目前流行的大多数算法还远没有达到足够聪明的程度，仍存在许多隐患。
信息定制化存在的局限
一、过滤信息的质量有待提高。如果说原来的互联网世界是庞杂的，那新闻推荐算法并没有改变这种信息特质。算法仅以新闻主题为单位，粗略地帮助用户缩小了信息范围，但并没有对信息的具体内容和质量加以甄别，海量单一内容的涌现，比原来更让人眼花缭乱、失去判断。算法将大量的相关信息堆积给用户来显现它的“高效智能”，没想到却适得其反，永无止境的相关信息推送给用户带来一种十分焦虑的阅读体验，因此越来越受诟病。
二、错误判断用户喜好与需求。仅从阅读的驻留时间、点击次数、转发评论等数据分析，并不能百分百还原用户“画像”，经常出现算法失误的情况，误解了用户心理。尽管有时候用户点击了某个主题的内容，但可能只是一个短暂需求或是选择失误，结果由于算法的机械与延迟，之后的一段时间内一直重复给用户推送相关信息，造成不良的用户体验甚至困扰。而目前的算法系统大多缺少用户反馈渠道或是反馈操作不够便捷有效，用户反映真正手把手“调教”好自己的推荐系统难度太大。
三、窄化信息面产生过滤气泡。由于回音室效应的存在，一些相似的信息、相近的意见被不断地重复，严重窄化信息接触面。互联网活动家埃利·帕里策针对算法的这种局限提出了“过滤气泡”的概念。同质化的信息反复，与多元化的理念背道而驰，人们沉浸在个人日报的满足中，失去大量了解不同事物的机会和能力，思想逐渐狭隘，個人生活呈现定式化、程序化，严重消解社会创造力。另外算法还阻碍了人们了解真实的世界，为了迎合用户而制造片面的拟态环境，单方面的信息输入往往带来极大的认知偏颇。
优化算法推荐机制
已经有越来越多的人意识到了算法的局限性，甚至有人喊话抵制算法。不过这样的主张显然是不理智的，更合理的办法是从算法本身的设置和使用方式上进行一定的优化。
一、智能全面化用户数据采集。挖掘更多的用户信息，使算法能够更精准地描画用户形象，推测用户需求。除了现行主要依靠的用户操作数据之外，要善于洞察细节，从更多维的指标了解用户，包括采取一些基础性调查、测试，充分了解用户的社会身份及其社会交往。比如用户的工作身份和家庭身份，两个身份所处的圈子截然不同，话题相去甚远，算法了解用户本身特点的同时也要对用户的社交环境有所了解，将计算范围和测度指标扩大到相接触的其他人。当人们扮演不同社会身份时会有不同角度的信息需求，算法对此都要进行准确的计算。当算法判断出用户的社交需求，不管个人是否意识到、行为是否有所表现，都主动推送，改善用户洞察技术对用户需求定义的代表性和完整性。
二、人工推荐与智能筛选结合。算法判断需求的难度，一方面源于某些需求是人们自身都没有明确意识到的，就没有通过行为表达出来；另一方面，人们本能地倾向软性的、轻松的、娱乐性的内容，算法捕捉到的用户喜欢的内容，未必是用户真正值得花时间了解的信息。正确判断新闻价值光靠扩大数据采集面是远远不够的。根据赖特的“传播四功能说”，大众传播应该具备的社会功能有环境监视功能、解释与规定功能、社会化功能，最后才是提供娱乐。新闻媒体如果一味地迎合用户，放弃媒体独立的价值判断和价值引领，是典型的本末倒置行为。即便是网络时代，也要坚持传统媒体的专业性，思考怎样维持用户粘度，不牺牲媒体自身的新闻判断和价值观来妥协。
三、开辟与细化用户设置渠道。算法是辅助用户选择信息的工具，永远不要做信息的垄断者，更不能反过来主导用户的意识，要将主动权和主动的意识还给用户。算法的运行规则应该尽可能透明化，让用户理解，鼓励用户独立思考，并畅通用户反馈渠道，开放用户对算法的设置。让用户可以对算法误差进行调整，细化相关设置，不仅仅在内容方面深入更多选择，包括推送的时间和频率也应该有所调节，始终保证双向良性互动。用户自身在享受新媒体资源优势，利用算法推荐系统的便利性时，也要不断提升自己的媒介素养，注意严肃新闻的阅读，控制娱乐化倾向，全面了解客观事实，避免极端情绪，做会思考、有思考的受众。只有用户与媒体两相配合，才能成为信息世界最优质的“把关人”。
（作者单位：河北大学）
摘要：新闻推荐算法是网络媒体时代新兴的新闻编辑技术，通过分析用户行为特征，推测用户的喜好和需求，目前备受互联网公司青睐。但实践积累发现，新闻推荐算法存在很多弊端，本文就其局限性展开分析，提出智能全面化用户数据采集、人工推荐与智能筛选结合、开辟与细化用户设置渠道三方面的优化策略。
关键词：新闻推荐算法 局限 优化
新闻推荐算法是一种定制化信息服务技术，以大数据和人工智能为基础，通过采集用户行为数据，比如点击、阅读、转发及评论的特征，进行分析、推测用户对内容的偏好和潜在需求，自动抽取、整合、编排信息，最后实现个性化内容的推荐。
互联网技术的发展加快了新闻生产及传播的速度。面临海量资讯，人的选择精力和接受能力都有限，极易淹没在信息洪流中。网络时代传统“把关人”的力量被削弱，但“把关”价值本身更加重要了。某种程度上算法就充当着“把关人”的角色，理想情况下以用户意志为把关标准，在用户导向的服务逻辑下挑选信息。
这种算法的初衷是满足用户需求，节约用户时间，提供以人为本的用户体验。这样全新的编辑机制刚一出现立即获得了业界和用户的认可，迅速席卷各大网络公司。几乎所有新闻媒体都或多或少采用类似的算法，比较典型的有Facebook、Google搜索等。国内最具代表性的当属今日头条了，品牌口号“你关心的才是头条”很好地描述了今日头条的产品定位。后起的许多聚合类新闻App，如一点资讯、UC头条的运转理念均与之类似。
毋庸置疑，新闻推荐算法的出现解决了网络新闻传播的一些问题，但没有所宣扬的那么智能，实际上目前流行的大多数算法还远没有达到足够聪明的程度，仍存在许多隐患。
信息定制化存在的局限
一、过滤信息的质量有待提高。如果说原来的互联网世界是庞杂的，那新闻推荐算法并没有改变这种信息特质。算法仅以新闻主题为单位，粗略地帮助用户缩小了信息范围，但并没有对信息的具体内容和质量加以甄别，海量单一内容的涌现，比原来更让人眼花缭乱、失去判断。算法将大量的相关信息堆积给用户来显现它的“高效智能”，没想到却适得其反，永无止境的相关信息推送给用户带来一种十分焦虑的阅读体验，因此越来越受诟病。
二、错误判断用户喜好与需求。仅从阅读的驻留时间、点击次数、转发评论等数据分析，并不能百分百还原用户“画像”，经常出现算法失误的情况，误解了用户心理。尽管有时候用户点击了某个主题的内容，但可能只是一个短暂需求或是选择失误，结果由于算法的机械与延迟，之后的一段时间内一直重复给用户推送相关信息，造成不良的用户体验甚至困扰。而目前的算法系统大多缺少用户反馈渠道或是反馈操作不够便捷有效，用户反映真正手把手“调教”好自己的推荐系统难度太大。
三、窄化信息面产生过滤气泡。由于回音室效应的存在，一些相似的信息、相近的意见被不断地重复，严重窄化信息接触面。互联网活动家埃利·帕里策针对算法的这种局限提出了“过滤气泡”的概念。同质化的信息反复，与多元化的理念背道而驰，人们沉浸在个人日报的满足中，失去大量了解不同事物的机会和能力，思想逐渐狭隘，個人生活呈现定式化、程序化，严重消解社会创造力。另外算法还阻碍了人们了解真实的世界，为了迎合用户而制造片面的拟态环境，单方面的信息输入往往带来极大的认知偏颇。
优化算法推荐机制
已经有越来越多的人意识到了算法的局限性，甚至有人喊话抵制算法。不过这样的主张显然是不理智的，更合理的办法是从算法本身的设置和使用方式上进行一定的优化。
一、智能全面化用户数据采集。挖掘更多的用户信息，使算法能够更精准地描画用户形象，推测用户需求。除了现行主要依靠的用户操作数据之外，要善于洞察细节，从更多维的指标了解用户，包括采取一些基础性调查、测试，充分了解用户的社会身份及其社会交往。比如用户的工作身份和家庭身份，两个身份所处的圈子截然不同，话题相去甚远，算法了解用户本身特点的同时也要对用户的社交环境有所了解，将计算范围和测度指标扩大到相接触的其他人。当人们扮演不同社会身份时会有不同角度的信息需求，算法对此都要进行准确的计算。当算法判断出用户的社交需求，不管个人是否意识到、行为是否有所表现，都主动推送，改善用户洞察技术对用户需求定义的代表性和完整性。
二、人工推荐与智能筛选结合。算法判断需求的难度，一方面源于某些需求是人们自身都没有明确意识到的，就没有通过行为表达出来；另一方面，人们本能地倾向软性的、轻松的、娱乐性的内容，算法捕捉到的用户喜欢的内容，未必是用户真正值得花时间了解的信息。正确判断新闻价值光靠扩大数据采集面是远远不够的。根据赖特的“传播四功能说”，大众传播应该具备的社会功能有环境监视功能、解释与规定功能、社会化功能，最后才是提供娱乐。新闻媒体如果一味地迎合用户，放弃媒体独立的价值判断和价值引领，是典型的本末倒置行为。即便是网络时代，也要坚持传统媒体的专业性，思考怎样维持用户粘度，不牺牲媒体自身的新闻判断和价值观来妥协。
三、开辟与细化用户设置渠道。算法是辅助用户选择信息的工具，永远不要做信息的垄断者，更不能反过来主导用户的意识，要将主动权和主动的意识还给用户。算法的运行规则应该尽可能透明化，让用户理解，鼓励用户独立思考，并畅通用户反馈渠道，开放用户对算法的设置。让用户可以对算法误差进行调整，细化相关设置，不仅仅在内容方面深入更多选择，包括推送的时间和频率也应该有所调节，始终保证双向良性互动。用户自身在享受新媒体资源优势，利用算法推荐系统的便利性时，也要不断提升自己的媒介素养，注意严肃新闻的阅读，控制娱乐化倾向，全面了解客观事实，避免极端情绪，做会思考、有思考的受众。只有用户与媒体两相配合，才能成为信息世界最优质的“把关人”。
（作者单位：河北大学）
