聚合類新聞客戶端的算法轉(zhuǎn)向

（上海交通大學(xué)媒體與傳播學(xué)院，上海 200240）

一、引言

2018年4月9日，四款新聞資訊類應(yīng)用分別被下架整改。4月，聚合類新聞客戶端龍頭應(yīng)用今日頭條相繼被約談、整改四次，其間其主要應(yīng)用“內(nèi)涵段子”還被永久性封停。實(shí)際上，這一整改命令看似突然又實(shí)屬必然，早在2017年下半年，《人民日?qǐng)?bào)》就曾連發(fā)三篇評(píng)論，《不能讓算法決定內(nèi)容》《別被算法困在信息繭房》《警惕算法走向創(chuàng)新的反面》。其矛頭都是指聚合類新聞客戶端最底層也是其最引以為傲的產(chǎn)品邏輯——依賴算法分發(fā)內(nèi)容。

本文在這樣的整改大背景下，對(duì)聚合類新聞客戶端的算法邏輯進(jìn)行分析，再探討其存在主要問(wèn)題的基礎(chǔ)上提出這一類以算法為主導(dǎo)的新聞客戶端的轉(zhuǎn)型方向。

二、聚合類新聞客戶端

聚合類新聞客戶端是指具有商業(yè)性質(zhì)的網(wǎng)絡(luò)科技公司等利用計(jì)算機(jī)的算法技術(shù)獲取并聚合新聞媒體發(fā)布的資訊內(nèi)容，并將閱讀量高、新聞價(jià)值屬性強(qiáng)的文章主動(dòng)推送給用戶的應(yīng)用，它們本身不是新聞內(nèi)容的生產(chǎn)者，而是信息的推送者，例如今日頭條、一點(diǎn)資訊。根據(jù)中商情報(bào)網(wǎng)的數(shù)據(jù)統(tǒng)計(jì)結(jié)果顯示，截至2017年上半年，新聞資訊類下載量排行榜中，騰訊新聞?lì)I(lǐng)跑，今日頭條緊隨其后，天天快報(bào)、ZAKER、一點(diǎn)資訊等聚合類新聞客戶端均位列前十。

三、聚合類新聞客戶端運(yùn)作原理

算法是聚合類新聞客戶端的核心配置，也是支撐這一支“隊(duì)伍”異軍突起的核心力量?；谒惴ǖ男侣劸酆?個(gè)性化推薦是聚合類新聞客戶端的傳播模式。

（一）新聞聚合

聚合類客戶端自己不生產(chǎn)新聞，而是通過(guò)網(wǎng)絡(luò)爬蟲技術(shù)從互聯(lián)網(wǎng)的各個(gè)角落抓取信息，匯總信息至自己的客戶端，匯總后的信息經(jīng)過(guò)機(jī)器化的處理打上標(biāo)簽，并劃分出每一個(gè)時(shí)刻的熱點(diǎn)新聞，經(jīng)過(guò)用戶圖譜分析后為用戶推送定制化的新聞。

（二）個(gè)性化推薦

一般來(lái)說(shuō)，新聞的個(gè)性化推薦算法主要有三種。一是基于內(nèi)容的推薦，即用戶在使用社交媒體登陸今日頭條賬戶后，系統(tǒng)會(huì)挖掘用戶的基本信息，形成用戶的畫像，與此同時(shí)，對(duì)用戶的使用行為進(jìn)行識(shí)別記憶，總結(jié)出用戶的興趣圖譜，計(jì)算每條新聞與用戶畫像的相似度，將相似度最高的新聞推薦給用戶；二是協(xié)同過(guò)濾推薦，推薦與受眾具有相同愛好的群體的信息；三是單因子推薦，基于新聞的點(diǎn)贊量、閱讀量等對(duì)新聞的重要程度進(jìn)行排序，優(yōu)先推薦那些大眾關(guān)注度高、排名靠前的信息。

三、算法推薦的固有問(wèn)題

（一）數(shù)據(jù)“扼”住內(nèi)容之喉

以算法分發(fā)為核心的客戶端，運(yùn)行的關(guān)鍵邏輯在數(shù)據(jù)。相較于社交分發(fā)，聚合類新聞客戶端的內(nèi)容被剝奪了粉絲基礎(chǔ)，每一篇內(nèi)容都要重新賽跑。在生產(chǎn)者生產(chǎn)內(nèi)容后，同一批內(nèi)容會(huì)被先投放到一個(gè)較小的流量池，只有你的“數(shù)據(jù)”足夠可觀，才會(huì)被投放到更大的流量池，而通常，這些數(shù)據(jù)特指“點(diǎn)贊量、閱讀量、評(píng)論量”。在一家以“輕度內(nèi)容”為主要調(diào)性的客戶端中，用戶的閱讀習(xí)慣也會(huì)被培養(yǎng)成“輕度”，即“我點(diǎn)開你，只是為了輕松一下”，在這樣的氛圍下，“深度內(nèi)容”的廣泛傳播幾乎沒有可能性。

同樣地，基于算法圖譜的分發(fā)模式，在聚合類新聞客戶端上的內(nèi)容創(chuàng)造，可以說(shuō)從一開始就是為了“迎合用戶”而存在。復(fù)制粘貼遠(yuǎn)比原創(chuàng)來(lái)的簡(jiǎn)易，標(biāo)題黨遠(yuǎn)比深度黨的流量更廣。正如人民日?qǐng)?bào)算法三評(píng)的文中說(shuō)的一樣，對(duì)于普通的內(nèi)容生產(chǎn)者，如果想在這種平臺(tái)上生存下去，就只能一味迎合，而失去了獨(dú)立思考、深度觀察的能力，進(jìn)而削弱整個(gè)社會(huì)的創(chuàng)造力。①

（二）機(jī)器把關(guān)導(dǎo)致內(nèi)容良莠不齊

新聞傳播中的把關(guān)人是指那些在新聞媒介系統(tǒng)中居于決斷性的關(guān)鍵位置，對(duì)信息進(jìn)行加工的人或組織②。在聚合類客戶端中，把關(guān)者的角色讓位于算法，“你是誰(shuí)”決定了“推給你什么樣的內(nèi)容”。

《人民日?qǐng)?bào)》關(guān)于算法的三評(píng)中第一評(píng)就是對(duì)算法把關(guān)進(jìn)行集中批評(píng)，其認(rèn)為大數(shù)據(jù)時(shí)代內(nèi)容的野蠻生長(zhǎng)之勢(shì)加劇的主要原因就在于算法替代了傳統(tǒng)編輯，把關(guān)的唯一標(biāo)準(zhǔn)就是信息能不能抓眼球。聚合類客戶端一直宣稱的是算法沒有價(jià)值觀，適用于媒體的新聞專業(yè)主義和新聞倫理規(guī)范并不適用于算法工程師或程序員，致使這一類客戶端成為了“低俗、媚俗”的代名詞。

（三）基于興趣的分發(fā)加速形成信息孤島

信息繭房的概念由美國(guó)芝加哥大學(xué)教授桑斯坦在其著作《信息烏托邦》中提出，他認(rèn)為在信息傳播過(guò)程中，公眾自身的信息需求并非是全方位的，公眾只注意自己選擇的東西和使自己愉悅的通信領(lǐng)域，久而久之會(huì)將自身桎梏于像蠶繭一般的“繭房”里③。

盡管用戶的選擇性心理與行為是造成繭房的內(nèi)在動(dòng)因，但是算法推薦在無(wú)形中“剝奪”了用戶接收其他領(lǐng)域知識(shí)的機(jī)會(huì)。用戶的使用和算法的計(jì)算之間是一種頑固的循環(huán)。鄭州大學(xué)的王茜在其文章的調(diào)研中發(fā)現(xiàn)，77名使用今日頭條的學(xué)生里，沒有兩個(gè)人收到過(guò)相同的信息。④即如果你沒有點(diǎn)擊過(guò)與籃球有關(guān)的信息，那么即使NBA界發(fā)生了再大的要事你也不會(huì)收到與此相關(guān)的新聞推送，如果你的圖譜里顯示你對(duì)這個(gè)領(lǐng)域沒有興趣，那么有可能你永遠(yuǎn)都不會(huì)接收到來(lái)自這個(gè)領(lǐng)域的信息，每個(gè)人之間的信息都成了一座孤島。

四、算法轉(zhuǎn)向

（一）提升算法的智能化水平

算法推薦與信息繭房并非是一組不可調(diào)和的矛盾。在聚合類新聞客戶端中，信息會(huì)繭化的主要原因在于使用了“召回模型”層次的推薦算法，這種算法是依靠非常有限但又非常核心的基于“標(biāo)簽”的策略來(lái)判斷內(nèi)容是否可以入選⑤，推薦的邏輯相對(duì)簡(jiǎn)單，才會(huì)很容易造成互動(dòng)的“閉環(huán)”。

減免背負(fù)“信息繭房”的罵名就需要聚合類新聞客戶端在算法上進(jìn)一步改進(jìn)。例如完善用戶的興趣圖譜。在智能化時(shí)代，除了互聯(lián)網(wǎng)中的用戶數(shù)據(jù)，傳感器獲取的物理信息系統(tǒng)，如智能電網(wǎng)、智慧城市等系統(tǒng)數(shù)據(jù)以及科學(xué)數(shù)據(jù)同樣是用戶大數(shù)據(jù)的重要來(lái)源。⑥此外，在內(nèi)容標(biāo)簽上，改變基于熱度的推薦機(jī)制，增加更多的推薦維度，提高算法鑒別優(yōu)質(zhì)內(nèi)容的能力及對(duì)內(nèi)容進(jìn)行準(zhǔn)確分類的能力，減少推薦時(shí)的重復(fù)率。

（二）人機(jī)交互——人工編輯和算法推薦相結(jié)合

盡管依靠算法可以很大程度上減輕人工勞動(dòng)力，提高推薦效率，但“無(wú)價(jià)值觀”的冷機(jī)器彌補(bǔ)不了人文情懷的缺失?！叭斯?算法”的把關(guān)模式，可以讓人工編輯在算法推薦的基礎(chǔ)上，根據(jù)用戶的心理進(jìn)行內(nèi)容的進(jìn)一步篩選，提高精確度。一點(diǎn)資訊最早結(jié)合“搜索+推薦”，使用“人工+算法”的推薦模式。2018年1月，在經(jīng)過(guò)數(shù)次整改和警告后，今日頭條宣布規(guī)模招募2000名人工編輯，黨員優(yōu)先，正式開啟人工+算法的審核模式。

（三）改變企業(yè)價(jià)值觀——母愛邏輯并非長(zhǎng)遠(yuǎn)之計(jì)

自媒體人羅振宇在評(píng)價(jià)今日頭條時(shí)所說(shuō)：“這是一款母愛邏輯產(chǎn)品，你喜歡什么就給你推薦什么。不會(huì)教用戶克制、自律。而是全力滿足你自己的內(nèi)容閱讀需求，進(jìn)而為自己謀得利益?！睙o(wú)論聚合類新聞客戶端是否承認(rèn)自己是不是媒體，它們都無(wú)法否認(rèn)的一點(diǎn)是，作為占據(jù)了大半個(gè)山頭的新聞分發(fā)平臺(tái)，必須承擔(dān)一定的社會(huì)責(zé)任。低俗化的野蠻生長(zhǎng)已經(jīng)為其打下了半壁江山，接下來(lái)是時(shí)候正視自己的價(jià)值觀了。

五、結(jié)語(yǔ)

隨著算法推薦逐漸成為移動(dòng)互聯(lián)網(wǎng)應(yīng)用的主流邏輯，正視算法的不足，完善推薦技術(shù)與把關(guān)機(jī)制應(yīng)及時(shí)被提上日程。聚合類新聞客戶端應(yīng)將社會(huì)責(zé)任感貫穿于信息分發(fā)過(guò)程之中，既能“迎合”用戶又能“教育”用戶，如此才能走得穩(wěn)走得遠(yuǎn)。

注釋：

①人民網(wǎng)三評(píng)算法推薦：警惕算法走向創(chuàng)新的反面http://opinion.people.com.cn/n1/2017/0920/c1003-29545718.html

②張國(guó)良.傳播學(xué)原理[M].上海:復(fù)旦大學(xué)出版社,2011.

③凱斯·R·桑斯坦.《信息烏托邦——眾人如何生產(chǎn)知識(shí)》，畢競(jìng)悅譯，法律出版社,北京,2008.7.

④王茜.打開算法分發(fā)的“黑箱”——基于今日頭條新聞推送的量化研究[J].新聞?dòng)浾?2017.09.

⑤熊敏.內(nèi)容職能分發(fā)平臺(tái)對(duì)新聞傳播的價(jià)值創(chuàng)新分析——以今日頭條為例[J].編輯學(xué)刊,2017.02.

⑥李建中，劉顯敏.大數(shù)據(jù)的一個(gè)重要方面[J].計(jì)算機(jī)的研究與發(fā)展,2013,50(6).