融合出版中的个性化解读

2020-09-06赵宏源

中国传媒科技 2020年3期

摘要：与传统出版相比，融合出版整合图书、音像、期刊、互联网（含移动互联网）、广播与电视等媒介在内容生产、产品与内容交付、交互要素与方式以及创作创新等方面优势并使之融为一体，从而形成新的出版形态。这种出版形态呈现出鲜明的个性化色彩，既包括独有的个性化的表达、个性化的交互与个性化的关联，也包括产业领域共有的个性化推荐。本文通过对融合出版中个性化特征包含的内容进行解读，提出针对性的解决思路，满足用户的多样化与个性化需求。

关键词：融合出版;个性化;内容传播;内容交付;交互中图分类号G230 文献标识码：A

文章编号：1671-0134（2020）03-041-03 DOI：10.19483/j.cnki.11-4653/n.2020.03.006

本文著录格式：赵宏源.融合出版中的个性化解读. [J]. 中国传媒科技，2020，03（03）：41-43.

目前业内对于融合出版尚无清晰的定义，参考中央全面深化改革领导小组《关于推动传统媒体和新兴媒体融合发展的指导意见》中“传统媒体和新兴媒体在内容、渠道、平台、经营、管理等方面的深度融合。”的表述和融合“相互渗透，合为一体”的含义，可以理解为通过不同出版类型在内容、渠道、平台、经营、管理等方面深度相互渗透、融合形成的一种新兴出版形态。这种出版方式整合系统化知识的图书出版、作者读者身份合一的期刊出版以及强交互性的互联网出版等优势，形成用户为中心的内容生产、传播与创新的闭环结构。这个闭环结构，以思想的有效到达为唯一目标。由于用户的基本特征、行为特征与应用场景等方面的多样化，内容交付的实现必然以满足个性需求为前提，个性化贯穿整个融合出版的始终。

1.融合出版中个性化意涵的体现

在融合出版形态中，个性化贯穿整个内容生产、传播以及创新的全过程，包括个性化的表达、关联、推荐与输出等，共同构成内容消费的用户体验。

1.1个性化表达

表达是指用于表述智力活动成果的词语，是思想的外在表现形式。思想是指客观存在反映在人的意识中经过思维活动而产生的结果，包括日常所说的思路、观念、理论、构思、创意、概念、操作方法以及技术方案等。同一种思想可以有多种表达，文字作品、有声读物、VR是表达，小说、诗歌或者纪实文学是表达，专业论文、科普作品也是表达。

融合出版中，用户的知识结构、知识层次以及结网密度都存在诸多差异，不同用户的应用场景、阅读习惯、社交关系、决策模式、生活节奏各有不同，因此对于内容的需求也是千差万别。思想相对稳定的情况下，满足用户的多样化需求，关键在于对思想进行的个性化表达。

1.2个性化交互

三元交互决定理论认为，知识学习活动是环境、对象、人三者之间的交互作用过程，它们互为因果，每二者之都具有双向的互动和决定关系。[1]内容领域中的交互既是一种双向沟通过程，又是一种服务的体验过程，还是一种高度碎片化的内容输出过程，目的在于实现内容的交付。[2]它包括人与内容之间的交互、人与环境之间的交互以及人与人之间的交互。

融合出版與传统出版最大的区别在于个性化的交互。融合出版较之于传统出版，人、内容与环境三者彼此之间的交互范围更加广泛：人从被动接受的读者变为双向交互用户，人与人之间的交互从小范围的产品主题变为整个互联网范围的内容主题，交互内容的个性化特征明显;作为对象的内容由于表达的个性化，不同用户面对不同的表达方式所产生的理解差异更为明显，由此产生人与内容交互的个性化;此外，用户应用环境的不同，存在多种阅读方式，应用环境的个性化导致人与环境之间交互的个性化。

1.3个性化的关联

根据现代汉语词典的解释，关联是指事物相互之间发生牵连和影响，从组织和搜索的角度来说，关联的目的在于导航。传统出版中，出版单位无法与读者直接接触，读者与读者之间的交流沟通范围很小，这种情况下的关联只有两种，即知识关联和购物篮关联，前者在标引的基础上，发现基于内容整体的各种知识关系;后者着重描述商品之间的联系。[3]

在融合出版中，不仅有内容的碎片化，还有需求的碎片化。需求的碎片化表现在：一个是需求的长尾化特征，即对小众图书产品的需求;一个是对碎片化内容的需求，即用户只需要简短的作品内容或者作品中的部分内容。这两者都不利于知识结构的塑造，需要通过知识关联帮助用户构建知识体系。加之用户需求的差异化，影响用户使用的因素呈现强烈的个性化，产生个性化的关联。这种关联包括基于知识点的个性化知识关联和基于用户画像的行为关联。前者既包括知识与知识之间的关联，也包括人与知识之间的关联，还包括人与人之间的知识关联，人成为知识关联个性化的核心要素。后者则加入更多用户的个人行为因素，分析所有影响商品销售的关系。两种关联相互作用，行为关联提高了知识关联的准确性，反过来知识关联有助于知识体系的完整，提供更多分析维度，共同构成个性化关联。

1.4个性化推荐

移动互联网时代，信息超载、知识碎片以及信息孤岛等现象的更趋严重，同时存在消费者、传播者与生产者等多种角色的重合，[4]信息消费的主体与客体连接难度增加，这种情况下，个性化推荐算法作为一种提高连接效率的工具应运而生。个性化推荐系统通过挖掘用户的在网络留下的各种操作痕迹，加以采集并据此分析用户的网络行为与偏好，预测用户的真实需求，实现内容的精准推荐。[5]一般产品的个性化推荐机制主要根据产品特征、用户特征和环境特征三个维度的变量，即判断某一内容在某一场景下是否适合推荐给某一用户，这也是个性化推荐的根本目标。[6]

用户多重角色的重合，思想表达的分离，同一用户不同时期对于内容的需求往往大相径庭，个性化推荐的作用更为重要。融合出版中的个性化推荐既要分析作品的整体特征，又要分析片段内容以及被利用等情况;既要分析原创作品的特征，也要分析衍生作品的特征;既要分析用户的浏览行为与传播行为，又要分析输出行为，还要分析交互行为;既要分析作品在不同场景下的交付特征，又要分析同一场景下用户扮演角色的特征。在此基础上，进行精准的个性化推荐。

2.促进融合出版的个性化发展

适应用户的个性化需求，在融合出版的整个过程中，个性化思维贯穿始终。因此必须从内容的表达、交互、推荐以及用户与内容的多种连接等角度入手，构建内容创新的闭环发展结构。

2.1丰富表达方式，实现内容的精准传播。

根据思想表达二分法的原则，出版物可以分为三个部分，即除了思想与表达之外，再加上载体。思想通过表达最终呈现的结果就是内容，即事物所包含的实质性事物，内容传播就是通过不同的表达方式实现思想传播。内容精准传播的实现，必须丰富表达方式，使之与用户场景契合。

首先是根据用户的基本特征确定思想需求。用户基本特征包括用户的统计学特征和行为特征，前者相对稳定，后者具有动态性。根据用户的这些特征大致判定用户的兴趣、知识层次与结网密度，确定用户所需的思想内容、层次、目标用户与适合的作者等。

其次是根据应用场景确定产品的交付方式。场景是满足用户某种特定需求的产品或者应用，是由信息和技术支撑的无形的存在。[7]它由空间与环境、用户生活习惯、用户实时状态和社交氛围四个要素构成[8]。根据这四个要素，将用户的阅读场景分为专注阅读、伴随阅读以及陪伴阅读等三种类型，根据不同场景设计不同的产品交付方式。

最后是根据产品交付方式确定相应的表达方式。由于不同的产品交付方式对应的应用场景不同，用户对于作品思想的接受效率各有不同，所以必须根据纸质图书、数字图书、有声读物等不同的产品交付方式确定内容的表达方式。在实践中，一般可以先确定其中一种表达方式，之后再根据其它交付方式进行作品改编，重新演绎场景化的表达形式。

2.2构建多层次交互体系，提升内容的交付效率。

按照认知规律，交互依次可分为操作交互、信息交互与概念交互三个层次，其中概念交互即思想到达过程。[9]融合出版中内容的交付效率取决于交互层次与频率，衡量交付质量最直观的指标就是概念交互后的输出。因此有必要构建多层次的交互体系，刺激用户的内容输出，真正实现内容交付。

优化功能设计，通过多种方式完善操作交互。这个层次的交互从两个方面展开：一个是融合出版的功能设计，完善帮助系统，提高使用效率;一个是丰富的交互功能。交互方式的功能设计主要针对人与人之间的交互和人与内容之间的交互：前者通过聚合功能实现用户之间、作者之间、用户与作者之间的分类与连接，便于人际交流的开展;后者提供丰富的交互功能，提高用户与内容之间交互的便利性。

通过社群连接不同角色，提升信息交互效率。通过社群聚合需求、兴趣或者专业相近的用户，通过人际互动加深内容的理解。在社群运行中，建立多样化的交互方式，通过交互方式的协同实现交互结构的优化;强化社群成员人际关系，平衡话题发掘与持续的关系;建立以知识为节点的知识链接和以用户为节点的知识链接，为社群成员之间的知识交互提供资源支持。

2.3扩大关联类型，建立用户与内容的多种连接。

融合出版中的关联共有三种，基于知识逻辑关系的知识关联、基于用户画像与使用场景的行为关联以及基于销售记录的购物篮关联。知识关联通过知识体系的构建实现知识内化与创新;行为关联通过用户行为轨迹的追踪分析实现产品迭代更新与社交拓展;购物篮关联通过消费记录的共性分析优化消费决策。它们从不同角度构建用户、知识与媒介环境的多种连接，[10]提供场景化的个性服务，增强用户体验。

首先在完善知识标引的基础上，构建分类、时空、统计以及主题等模式在内的知识关联结构，展现知识之间的隶属、交叉、共现与共引等关系。[11]知识标引对象包括作品的外部特征和知识单元;纳入社会标引，反映用户对同一知识的不同理解;结合交互过程中的用户与其输出，实现知识标引的动态更新。根据知识标引与知识的逻辑关系，判定知识之间是否存在关联，测定知识关联的强度与链接方向，建立知识关联体系。

其次在用户画像的基础上建立行为关联网络，结合知识关联呈现用户与内容的多种连接关系。采集、整理用户的操作记录并归类，通过用户标签关联，实现用户与行为、用户与用户以及行为与行为之间的关联，分析用户的基础属性、社会关系、消费能力、行为特征以及心理特征。將这些用户特征与知识关联网络体系结合，建立用户与内容的多种连接，提供个性化关联的同时，准确判定用户的场景特征，掌握内容需求，完善内容交付体系，同时为用户输出提供支持。

最后完善购物篮关联。购物篮关联基于用户消费记录，能够有效弥补知识关联和行为关联决策分析的不足。根据商品之间的关系可分为替代关联、互补关联与潜在关联。分析内容产品之间的关联关系，选定项集，计算支持度、置信度与提升度，生成关联规则，分析影响内容消费的因素。[12]结合知识关联与行为关联，增加用户消费决策分析，及时发现用户的兴趣与关注点转移，提供更多维度的观察视角。

2.4发展多种推荐方式，满足用户的个性需求。

信息超载、信息孤岛与知识碎片现象导致内容消费的选择困境，同时内容产业中的幂律效应随着移动互联网与自媒体的发展被放大，少数头部内容占据大部分销售额，更加剧了这种困境。[13]与此相反，用户的个性化阅读需求不仅要求内容本身的多样化，还要求交付方式多样化与表达场景化：内容范围广泛，可以满足不同专业领域和文化层次用户的需求;交付方式多样，可以满足不同环境的需求;表达方式视不同场景调整，提高用户接受效率。因此需要根据不同目的采取多种推荐方式：

以内容交付为目的，促进用户对思想的完整理解。因此须以完整的内容标引为基础，以基于内容的推荐策略为主，兼顾用户行为特征和行为对象特征。首先综合运用受控标引、自由标引与社会标引等方式对内容的外部特征与内部特征全方位标引，反映出版方、作者与用户等多视角的理解;通过词频分析与知识关联等方式判断交互内容的知识性与关联关系，建立内容标注体系。其次根据用户行为与其时间、场景与社交等分析，赋予正确的标签并根据变化动态调整。最后将内容标引与用户标签匹配，根据关联强度实现精准推荐，辅以规产品矩阵与关联体系，减缓协同过滤推荐策略的冷启动与稀疏性问题。

以促進消费为目的，促进产品销售。在构建个性化关联体系的基础上，挖掘用户购买的物品组合规律，实现跨类别推荐、购物车联合营销以及产品展示等。首先根据用户的消费记录发现可能的频繁项组合，然后分析组合中的商品关系，确定推荐方式。

以包括衍生、演绎与解读在内的二次创作为目的，对原作进行不同视角的审视。因此应该根据用户创作的不同阶段提供针对性的内容推荐。构思阶段以知识关联为推荐基础，根据关联的强度、链接方向以及作品阅读数据等为用户展示已有的二次创作作品视角，避免选题重复。创作阶段以知识标引为基础，结合内容阅读和用户交互等数据，运用分词、链接分析以及数据挖掘等技术[14]为用户提供及时的素材推荐。

结语

融合出版以思想的有效到达为终极目标，这一目标的实现取决于两个因素，一个是可理解输入，一个是知识重构之上的输出。[15]从内容传播的视角看，这一目标的实现必然经历一个中心化、去中心化到再中心化的过程，即出版方提供内容，用户通过交互体验接受内容并二次传播，用户根据自身的理解进行二次创作与传播，形成多中心的传播节点。[16]无论内容的接收还是传播，都必然以个性化为基础。因此本文认为融合出版中个性化并不限于个性化的推荐，还包括个性化的表达、交互与关联等。个性化思维贯穿用户使用的整个过程，因而也贯穿融合出版运营的全过程，成为整个融合出版的核心。

[1]刘大军，黄甫全.知识创造视野中的三元交互学习[J].现代远程教育研究，2015（04）：24-32.

[2]赵宏源.知识服务中交互的特殊性研究[J].出版与印刷，2019（01）：6-11.

[3]陈添源.高校读者借阅行为的关联分析及应用实践[J].情报探索，2018（12）：97-102.

[4]于笑明，李文杰.基于微博的个性化社区推荐算法[J].天津理工大学学报，2018（05）：34-39.

[5]李鑫欣.个性化推荐算法概述与展望[J].数据挖掘，2019（03）：81-87.

[6]陈泽玺.个性化新闻推荐的把关行为研究—以今日头条APP为例[D].安徽：安徽大学新闻传播学，2018：1-77

[7]李婷婷，董玉芝.场景理论下社会化阅读用户阅读行为培养路径分析[J].编辑之友，2018（01）：16-19.

[8]樊天宇.探析移动媒体时代的场景[J].新闻研究导刊，2017（24）：56-57.

[9]许敬.基于层次塔理论的教学交互模型构建与应用研究[D].河北：河北师范大学现代教育技术，2018：1-67

[10]王艳南.科技文献耦合知识关联研究现状[J].科技经济导刊，2018（01）：146-147.

[11]高继平，丁堃，潘云涛.袁军鹏知识关联研究述评[J].情报理论与实践，2015（08）：135-140.

[12]李明.基于R软件的关联规则算法在购物篮分析中的应用[D].武汉：华中师范大学， 2017：1-50.