基于新闻推送平台的推送算法研究

2020-08-13周智

数字传媒研究 2020年7期

周智

华东交通大学理工学院江西省南昌市330100

互联网技术和移动互联网技术的发展和普及无疑是近年来影响人们生活的重大事件之一。应运而生的新闻推送平台正一步步改变信息传播的形式和内容。2017年《人民日报》就“算法推荐”导致大众受困“信息茧房”问题，连续发文，并引起社会公众激烈讨论。本文以新闻推送平台为研究对象，在理解推送算法的前提下，讨论了信息茧房和群体极化两个问题，分析其形成原因并提出解决问题的建议。

一、新闻推荐算法原理和问题

新闻推荐算法的核心由两部分组成：召回算法和排序算法。召回算法通过分析用户在平台上长期历史行为和近期行为，结合兴趣偏好形成的用户画像，从候选内容库里挑选出一个符合要求的候选集；排序算法则在候选集的基础上，根据文章标签等信息特征和对应用户个性化匹配来进行匹配度评分，并依靠评分的数值来进行排序。

大量的新闻推荐平台单纯的依靠算法推荐，由于算法无法对文章质量和内容真实性等问题进行实质性的判断。同时，一些内容的发布者根据算法的偏好对内容进行设计，使得大量低质量且缺乏实质意义的内容进入到候选集，并进入靠前的排序位置。

图1新闻推荐算法原理示意图

二、信息茧房和群体极化效应

信息茧房是CassR.Sunstein在《信息乌托邦：众人如何生产知识》一书中提出的：信息传播中，公众自身的信息需求并非全方位的，公众只注意自己选择的东西和使自己愉悦的通讯领域，久而久之，会将自身桎梏于像蚕茧一般的“茧房”中。［1］Sunstein认为“信息茧房”主要是以“个人日报”的形式呈现，即一个人按照自己的喜好选择关注的话题和信息。

由于生活在信息茧房中的公众，对事物缺乏全面的认识和周全的考量，而首因效应使得他们认为茧房即真实的世界。如果单一的个人信息茧房，并不会明显的对社会产生强烈的影响，但如果在某个事物的认知上达成群体共识，并形成“回音室效应”，通过反复强化认知，则会使用户形成一种非理性、非客观的群体极化现象，甚至有向群体极化行为转换的可能。

三、信息茧房下的群体极化效应的原因

（一）个人差异形成选择性心理

个人差异论是Carl Hovland在1946年首先提出，经Melvin L.DeFleur修正后形成。该理论认为“受众成员心理或认识结构上的个人差异，是影响他们对媒介的注意力以及对媒介所讨论的问题和事物所采取的行为的关键因素”。［2］由此可见，在面对大众传播媒介所提供的海量信息面前，受众个体由于生活习惯、信念以及价值观等的差异会做出不同的选择和理解。

面对有着巨大信息量的新闻平台，受众个体无法做到全面接收。因此，对信息进行选择是必要的举措，但在做出选择行为的同时，个人喜好和心理舒适则成为重要的参考指标。正是选择性心理将用户带入到由兴趣和首因印象引导的一个狭隘的信息领域里，而新闻推送算法在用户首次进入该领域后，通过反复的选择性推送这一领域的相关信息进一步强化受众对这个领域的认知，最后形成片面的观点和言论，直至形成极化现象。

（二）“网络巴尔干化”形成群体极化

网络巴尔干是麻省理工学院的V.A.Marshall和剑桥大学的B.Eric在1996年发表的“Could the internet balkanize science？”一文中提出［3］。他们认为网络信息的爆炸激化了互联网，海量的信息资源和人类有限的注意力之间形成了矛盾。由于受众只关注自身感兴趣的领域，从而形成了各自群体领域，同时由于群体不断的通过传播本领域的信息来扩大群体的数量，进而加剧了某一领域内部以及领域与领域之间的“裂痕”。

今天无论是互联网新闻推送平台还是移动互联网新闻推送平台，都不约而同地在使用关注、定制的方式来吸引受众，同时也通过评论、转发、分享的方式来过滤不同意见的用户。在互联网用户中形成了无数个小群体，他们内部观点一致，如果观点出现极化现象，平台内就极易爆发群体极化现象。

（三）反复推荐营造“回音室效应”

Kathryn Jemison和Joseph Capela在《回声室效应：拉什·林博和保守主义媒体的建设》中将“回音室效应”定义为“在媒体营造的相对较为封闭的意见感知环境中，意见相近的声音会被不断地重复、夸张和扭曲，从而让处于这个封闭环境中的人对这些夸张和扭曲的极端观点越来越深信不疑的现代传播学现象”。［4］

新闻推荐平台为了提高用户粘性，通过推荐算法反复向用户推荐类似的信息，以达到用户对平台的认同，而在这个认同之下，则可能出现的是用户对于某个事物单一的、片面的认知，反复强化之后极易形成偏激观点。