数字化社交的双重逻辑

吕 鹏, 李蒙迪, 张 卓

(中南大学 公共管理学院, 湖南 长沙 410075)

随着互联网技术的发展和大数据时代的到来,数据迅速延伸至社会各个领域和各个层面,数据类型与数量、存在范围与形态、蕴含价值与挖掘均突破传统认识界定[1],变革人们的生活、生产和休闲娱乐方式。作为人类的基本社会活动,社交模式在数据洪流中也实现了突破和跃迁,表现为数字化社交逐渐向青年群体渗透。数字化社交是一种通过提取青年群体数据信息,利用算法对其行为规律、个体特征、性格偏好进行系统分析和精准匹配的社交模式。算法突破了传统的人与人、人与物以及人与组织的联通关系,实现了人与数据的联通[2]。数据联通的快速度、全范围和高精度在全网络范围内帮助青年群体找到数字意义上最契合的社交对象,实现青年主体间的互动交往、信息沟通和情感联系。在这种模式下,青年主体被还原分解为海量、异构的数据,算法对整合的数据集进行系统处理,决定数据主体能够获得的社交范围以及社交对象,以此为基础实现青年群体互动聚合。这种大数据算法匹配的新模式彰显了移动互联时代社会交往的技术化特征,也重新定义了社交模式,赋予青年群体新的社交属性与联结方式。

一、大数据、算法与社交的融合

社交是人类特有的、普遍的活动方式,随着社会的迅速发展和科学技术的不断改进,青年的交往工具、交往形式以及交往关系也随之发生改变。传统一元空间下,受生产技术、科学水平与智能发展的限制,青年群体的交往和互动主要通过出游、聚会、书籍、信件等方式进行口口相述、面面交谈。这种社交模式本质上是一种基于血缘、地缘和业缘的“强关系”化社交,即借助人与人之间的关系实现亲密社交。改革开放以来,随着通信行业的体制机制调整以及新技术的利用和普及,BB机、大哥大、手提电话、固定电话以及公用电话扩展了人类的交往空间。青年群体突破地域限制,在交往空间上获得了一定程度的扩展延伸,但本质上也是一种“强关系”社交,即借助人与物的关系实现远距离社交。移动互联技术的发展,衍生出QQ、飞信、人人、MSN等社交平台,青年群体通过即时通信、语音通话、空间发布、信息分享等功能,实现与素未谋面的陌生人之间的互动。与传统社交模式不同的是,这种社交可能是一种单向的关注、私信,也可能是一种没有实际互动的点赞、转发、投币,甚至可能只是一种一次性的评论,并没有建立实际的社交关系,所形成的是一种“弱关系”,即借助人与网络的关系实现表面社交。大批活跃的网友使得青年群体无法聚焦在自己的社交需求和社交意愿上,耗费时间、精力处理非适宜的社交对象,出现社交“超载”问题。

物联网、移动网、云计算的兴起特别是智能终端的应用将社会带入到自动化、智能化时代,时间感、空间感都已经消弭[3]。技术这双无形的手,加速了青年群体的社交速度和交往节奏,快速匹配和精准社交成为青年群体的新需求,由此衍生出一系列在线社交、智能社交、AI社交等新型网络社交模式。究其底层逻辑架构,这些社交模式在信息采集、信息发布、信息传播、社交互动等环节均以数字和计算为核心。当前社交环境正在快速数据化,青年的社交行为被测量和算法主导。每一个社交主体和社交对象逐渐变成量化的数据,社交行为变成数据的交换和匹配,社交反馈也变成数据打分评价。“一切皆为数据,一切皆可测量”,基于量化数据的数字化社交逐渐占据社交主阵地。

历史地看,现实世界与虚拟空间紧密相连,数据是重要的联结纽带。艾兰·库珀最早提出,建立于一系列真实数据之上的用户画像(Persona)是真实用户的虚拟代表[4]。数字化社交正是在数据复现真实个体的理念基础上建构起来的。青年群体作为社交主体,既是数据内容的生产者,各种信息被广泛地跟踪记录,包括姓名、年龄、身高、地理位置等信息,消费、医疗、教育等活动,甚至是性格、偏好、态度等特征。这些信息通过可穿戴设备、手机移动端、AR等社交载体被还原为数据,提供了数据基础和信息来源。同时也是数据服务的使用者,社交媒介以需求为导向,利用算法实现青年群体间的精准匹配和个性化推荐。算法作为蕴含逻辑和控制双重属性的社交技术手段,把数据置于系统整体层次,将所有社交关联的系统数据按照一定程序和逻辑指示进行排序、分类、过滤和筛选。遵循匹配原则将数据特征和人的特征予以精准匹配,为青年群体推荐彼此合适的交往对象。以实现交友、沟通、联系和情感的社交需求。

二、数字化社交下的还原逻辑与系统思维

个体被还原为海量、异构的数据,系统整合的全局数据又复现个体全貌,从还原与系统的双重逻辑构建了一个闭环、自适应的数字化社交模式,帮助青年群体节约时间成本,实现精准化匹配、互动与交往。

还原论的基本假设是,复杂的系统可以层层分解为组成部分加以理解和描述[5]。社会现象与事物都能够被还原为某种社会基本规律,其总特征是社会复杂性的祛魅[6]。而大数据强调世界的本原是数据,任何个体行为、事件活动、认知情绪在虚拟空间中皆以数据的形式存在。任何文字、图像、声音、视频等均可通过相应技术手段转化为可进行数理逻辑运算的数据[7]。青年群体作为社交主体,个人信息只是一种外部呈现,投射到虚拟空间中,涵盖个人信息的数据才是大数据的核心内容。要理解青年群体的复杂社交愿景,就要进行分解还原,从底层数据剖析内在社交需求。还原的过程就是一个数据化的过程,互联网技术实现了对青年群体在虚拟空间中的社会活动、社交行为和互动信息的实时、实地监控,构建起青年个体的数字世界。互联网技术对信息的深度加工和处理,使得青年群体的社会行为、信息资料、社会活动变成互联网的数据形式,进而帮助人们突破表象,深入到核心数据,实现对青年主体本质需求的把握。然而,数据化不是最终目的,还原分解过程作为第一层逻辑,完成了对本质需求的把握。青年主体作为一个复杂整体,不仅相同层次各单元间具有功能耦合的非线性反馈关系,不同层次间亦存在功能偶联和信息回环关系[8]。对青年个体需求的认识要想由线性上升到非线性,由简单均衡上升到非均衡,必须转换逻辑,从系统整体出发,才能完成精准匹配。

系统论试图从整体求解,用高层次的宏观理论与规律来解释低层次理论的某些命题与规律[9]。碎片化数据是个体形象的局部再现,而数据与数据之间有着千丝万缕的联系,数据资料之间的局域性相互作用,通过自组织机制、适应性机制会产生一种全局模式,呈现出独立的数据资料所不具备的特征、意义和性质[10]。虚拟空间中,青年群体的网络活动产生数以亿计的数据,然而这些数据是以“一盘散沙”的状态混乱地散落和分布在虚拟空间中,如果不借助算法对其进行整合、过滤、筛选和系统化处理,就无法最大化地发挥其价值。因此,需要将所有数据按照一定的逻辑和程序进行整理、聚合或重组,使其成为一个系统整体。此时,算法就发挥了逻辑和控制的重要技术作用。青年主体作为一个复杂整体,是由许多组分(数据资料、文本信息、音频影像)构成,组分之间将产生协同效应[11],这种动态性、非线性及其系统行为的涌现性亦要求克服还原逻辑的不足。融贯系统理论以信息聚合的方式,将数据联结、整合成系统的大数据集,把青年主体的各项社交指标置于整体数据当中进行分析。从全局视角理解青年主体的行为关系,以此纵向深化了解青年个体的社交需求,避免错误匹配、模糊匹配与低效率匹配。

三、双重逻辑下数字化社交的运作机理

还原逻辑下,青年个体的生理、心理、认知、消费、教育、工作等社交资料借助互联网技术,还原为可进行数理逻辑运算的数据。如图1所示,根据系统论理念,通过数据整合技术对非结构性数据进行系统化处理,使其成为结构性、整体性和全局化的数据系统。各类算法发挥高效推荐、精准匹配的优势,帮助青年寻找数据意义上最契合的社交对象,然后开始数字化社交。青年对匹配契合度、社交满意度进行评价,反馈结果作为新的社交数据,补充到数字社交的逻辑闭环中,进一步寻找更匹配的对象,直至找到真正的“Soul Mate”。

图1 数字化社交的运作机理和实现路径

(一)主体还原:数据的采集与上传

互联网时代,数据取代原子、实体、物质,成为世界的新本原存在,获取信息资料、进行数据化处理并将其还原分解为数据,成为数字化社交的基础,全球也因此成为网络数据构建起来的数字世界。一些社交软件、婚恋平台往往将事先设计好的社交关联问卷公布在网站上,有交友需求的青年可在线填写个人基本信息,输入自己的社交信息和社交需求,主动上传自己的数据资料。此外,手机移动端可以容纳包括个体的生理资料(身高、种族、血型、地点、颜值)、个人状态资料(心情状态、日常活动以及性格偏好)以及社交价值资料(职业、收入、教育等)等各种原始数据格式内容。手机不再只是单纯的通话工具,其嵌入了加速传感器、温度传感器、方向传感器、地磁传感器、压力传感器等,由手机移动端所产生的音频、视频、照片、消费数据、地理信息等都可以随时随地记录下来并转化为数据形式。为确保信息的真实性,相继涌现出诸多能够对青年行为数据收集检测的智能眼镜、智能手环、智能腕带、智能手套、智能服饰等可穿戴产品,为数据化和自我量化提供了工具基础。可穿戴设备指的是具备数据采集、处理、交互等功能的、能穿戴于身上或能整合到服饰及配饰中的便携式电子设备,这种设备可以追踪记录和分析有关用户行为和身体状态的数据[12],通过多重、多源数据交叉验证与高维运算,保证上传数据的客观真实性,并创建个体的生命图表,实现“量化自我”(Quantified Self)。上述设备监测到的数据都是客观的,无法修改和整饰,依据这些实际的生活状态、社会行为和健康状况等数据,青年群体进行互动与交往。

(二)构建全局:资料数据的整合

纯粹的数据化并不能实现社交,这些数据如果不能进行系统化整合,就无法全面、精确地评估青年群体的社交需求,更无法实现社交互动和情感交流。因此,在数字化社交中,被分解还原的单个数据并不能完整反映青年主体的社交需求。也就是说,独立数据无法脱离整体数据发挥作用,经过系统整合的大数据资料才能够为性格比对、经济匹配、社会价值比较等提供标准化的参数和指标。因此,对数据进行抽取和整理、构建全局数据成为数字化社交的必要前提。海量、零散又杂乱的数据分布在虚拟空间中,为了得到有价值的信息进行精准有效匹配,需要对上传的数据进行系统整合,将各个相对独立的数据信息整合为一个新的有机整体,形成一个效能更好、效率更高的新的数字资源体系[13]。面对青年群体上传的数据信息,需要根据其社交需求和社交意愿,按照顶层设计思想,利用算法对生理数据、状态数据、社交价值数据进行聚集、汇合。为此,要从维护数字凭证、数字记忆、数字身份对大数据时代数字生活和数字文化的数字服务安全出发,基于全方位、全要素的社交数据,提供跨层级、跨地域、跨系统、跨业务的数据资源整合服务,实现互动所关联和交往所需要的数据联动[14]。在众多数据整合方法中,有效的常用做法是:基于数据仓库的整合方式实现数据的物理集成,基于中介和封装的整合对异构数据源进行集中式管理和分布式存储,基于网格的数据整合技术使各个系统能够协同工作,系统地整合那些潜在的数字资源[15]。把零散的数据整合成系统,挖掘数据之间的联系,可以进行精准的特征分析与社交匹配。例如,百合婚恋独有的“心灵匹配测评系统”以专业心理测试为基础,将“恋爱类型”“个性特征”“价值观念”“关系互动”等所有数据整合成系统的社交数据集,通过30多个维度为用户推荐合适的交往对象,帮助用户找到幸福指数更高的伴侣,成功地满足高效率、高质量、高诚信度的婚恋服务需求。

(三)还原与系统逻辑的共同指向:算法匹配

信息的还原和数据的整合只是青年主体的单向活动,要想实现青年群体的双向社交互动,必须借助算法进行精准匹配和个性推荐,这是数字化社交的核心运作逻辑。在数字社会,决定陌生个体之间能否互动的首要前提是资料匹配,算法决定了匹配的效率、质量和关系可持续性。在社交领域,为推荐适宜好友,相继涌现了文本推荐、基于记忆的协同过滤推荐、基于模型的协同过滤推荐等代表性算法。在社交涌现出来的算法中,通过社交网络进行智能好友推荐是非常有效的做法与算法。在线社交网络的链路预测好友推荐算法JAFLink,通过计算用户之间的相似度向用户推荐好友,该算法考虑社交网络拓扑结构的同时,也加入了对用户属性的考虑。使用链路预测方法对节点进行相似度计算,找出更有可能成为好友的用户[16],基于关联规则与相似度的社交好友推荐算法,根据用户发布的碎片信息相似度,把相似的信息作为一条交易数据,生成交易数据库,利用改进后的AprioriTid算法计算出2阶大项集,构建匹配规则库,帮助青年快速找到网络中志趣相投的潜在好友[17]。社交网络下基于列表级排序学习的推荐算法,考虑到社交网络下用户和物品的社交特征,从社交网络中挖掘用户好友潜在的影响特征以及物品潜在的隐性特征,融入到基于列表级排序学习的推荐算法中,从而有效提高社交对象的排序和推荐的准确性[18]。这些算法在社交中得到了广泛的应用和推广。例如,Soul通过提供一系列的测试应用,青年个体测试回答问题之后,根据回答的内容进行一系列的数据分析、整合,最后在灵魂匹配环节将两个测试答案更为匹配的人推荐在一起。参与的灵魂测试越多,灵魂测试等级越高,系统根据大数据匹配给青年个体的交友玩伴也无疑会更契合。

(四)还原与系统逻辑的产物:数字化社交互动

数字化社交中,数据是青年个体的基本存在。算法是工具、技术和手段,而满足社会交往需求才是青年的最终目的。经过匹配之后,青年个体找到信息、数据与自己最契合的社交对象,展开互动和交往。数字化社交互动的形式是多种多样的。具体包括:(1)资料关联与推荐社交。通过注册登记以及各种技术工具和手段,青年将自己的资料数据发送到虚拟空间中与他人分享,有兴趣的人就会点赞、评论和转发,实现初步的浅层互动;这些数据还通过大数据算法匹配,智能推荐给数据相似或者标签相同的群体,彼此之间互相关注交谈后,建立深层次的社交关系。例如,新浪微博手机APP就充分利用大数据算法实现了精准推荐,根据个体的关注、标签、认证和微博内容等相关数据,整合微博内容,对同类微博进行合并,评估出青年个体的特征、喜好,并对其可能感兴趣的内容和用户进行推荐和展示,以此来帮助青年群体找到最匹配的社交对象。(2)位置切入与临近社交。基于GIS信息的大数据平台推荐是大数据时代所有APP的共同特征,实现了通过地理定位,推荐给青年群体位置相近、地点相邻的人。只有配对才能聊天,避免被附近的人骚扰,同时还可以屏蔽联系人,避免遇到熟人尴尬。作为首款基于地理位置的陌生人社交APP,青年个体可以更加便捷地通过地理位置信息发现附近的人、找到志同道合的人,更加便捷了人与人之间的即时互动,降低了社交门槛,带来陌生人之间全新的社交方式。(3)数据展览与无标度社交。青年个体可以将自身数据信息上传到网络,全网根据这些直观客观的数据,决定是否与其互动。这些数据是真实且不可随意更改的,所展现的个体形象也是客观、立体的。例如,小米联手英特尔推出的智能跑鞋,可识别跑步、步行、骑行、爬楼四种运动状态,并向APP发送里程、步数、爬楼台阶、燃烧卡路里等信息,监测地理方位、心率、用时、配速、步频、时速等数据。跑步者根据这些数据选择与自己跑步状态、路线、习惯最相近的跑友,与其交往互动,增加“跑友”之间的联系。

(五)还原与系统逻辑的评价:数字化社交反馈

经过算法匹配和推荐,青年群体找到了数据和信息与自己最契合的交往对象,并展开交往互动。然而,数据匹配是否意味着个体相合,还需要青年主体的反馈和回应。由于社交平台、交友软件、婚恋平台与青年用户之间不存在直接联系和常态交流,青年用户的使用反馈,如建议意见、使用体验、系统问题等变得异常重要[19]。青年群体对数字化社交的感知与体验反馈将直接体现为匹配结果是否准确、互动效果是否满意。这种反馈是进一步优化算法匹配、提高匹配精度、满足青年群体社交需求的重要措施。青年群体在社交匹配后,会对其社交对象满意度、匹配合适度、是否遇到骚扰、软件是否存在异常等做出评价反馈。移动互联网APP多开辟用户反馈和投诉建议的功能端口,青年用户的评价和反馈可反映社交平台、交友软件、婚恋平台的匹配质量和效率,一方面给未使用的潜在用户提供意见和参考,若推荐适宜的社交对象,积极评价将吸引更多青年用户使用数字化社交模式,增加青年用户的粘度,提高使用率。另一方面,也给移动互联网APP的版本更新提供了改进的方向,可针对算法匹配结果的不相投、不合适对象进行精准分析,找出关键问题所在,进而改进算法,提升算法的精准率、可持续性。

四、数字化社交下的风险和隐忧

(一)数据还原的安全性问题

作为青年主体的基本构成与形象刻画,数据的质量决定数字化社交的质量。在还原的数据中,不可避免地会涉及数据的安全性问题。数据资料的上传是数字化社交的首要过程,保证数据资料的安全也是数字匹配的重要问题。网络社交平台的数据囊括了青年个体的健康数据、认知数据、消费数据、环境数据和其他隐私数据,这些信息一旦出现安全问题,后果不可估量。在大数据与物联网时代,数据安全将会面临数据泄露和数据信息破坏的威胁[20],一些不法分子植入恶意插件,用户无意中从非法网站下载安装了恶意的浏览器插件,会导致社交网络登录用户名和密码被监听,个人信息也会被抓取。根据《2020年中国网络安全报告》,2020年全年共截获病毒样本总量1.48亿个,病毒感染次数3.52亿次,新增木马病毒7 728万个,网民信息严重缺乏安全保障。此外,也有攻击者伪装成社交网站,诱使用户紧急更改密码,从而获得用户的重要信息。还有一些人会利用社交网络进行网络骚扰,如通过搜索“附近的人”进行交友。而一些不法分子的电脑上同时挂着多个QQ、微信等社交媒体帐号,专门引诱青少年群体,诱导其高价消费,实施诈骗等违法犯罪行为。这种以交友为名,给青年群体带来的安全问题是大数据算法匹配不能忽视的。

(二)系统整合的隐私性问题

大数据盛行之初,个人隐私问题即被推置风口浪尖。上传的数据在进行系统整合时,不可避免地要深层挖掘潜在数据及其之间的关系和联结,个人的隐私就会受到威胁。青年群体在进行数字化社交时,上传基本的数据资料、开放一定的权限就足以实现精准匹配,进行交友互动。但实际上社交平台、婚恋网站和交友软件却在进行数据整合时收集更多、更隐私的信息,引诱青年群体开通更多、更敏感的权限,包括读取通讯录、获取地理位置信息、读取相册短信、开通摄像头等等。青年用户一方面担心隐私泄露,另一方面为便利获取个性化服务而不得不提供个人数据,引发隐私悖论,即青年群体既希望享受大数据算法匹配带来的高效、便捷服务,又不得不面临数据资料泄露、过度索取信息、数据资料倒卖等信息安全问题。一些社交平台、婚恋网站为了构建系统数据、追求商业利益,往往使用非法手段获取更多、更隐私的数据,超过了必要的限度。当这些真实信息(身份信息、照片视频、地理位置、社会交往、公司单位等)被某些不良公司利用,就会被追踪每日行程、发送垃圾邮件、引发诈骗、勒索等违法犯罪风险,甚至还有可能因突发事件被“人肉搜索”,侵犯到个人隐私权。总之,由于信息不对称,青年群体不知道上传信息及开放权限的使用目的,非常容易掉进风险盲区。

(三)算法匹配的有效性问题

还原和系统双重逻辑作用下,数字化社交成为可能。然而,数字化社交新模式虽然增加了可选择对象的范围和数量,提高了匹配速度和数量,但匹配结果是否为心仪的社交对象,即匹配的有效性问题仍需进一步评估和研究。其一,数字化社交模式与其他社交模式的区别就在于其精准性,打造高质量、高效率社交。数据提供了社交基础,为匹配提供了基本素材。但是,很多社交平台、婚恋网站和交友软件通过用户注册等方式填写的数据资料只是冰山一角,上传的数据所展现的只是局部、有限且单一的个体形象。冰面之下的个体深层形象才是青年个体真实的存在。如果捕捉、挖掘不到这些深层形象,很难进行精准、有效地匹配。其二,数字化社交新模式具有静态性,忽略了时间维度。事物特征、用户兴趣等都可能随着时间的推移而变化,因此对算法的即时反应提出了更高的要求。青年群体在上传数据时,是一种“抓拍式”的数据信息,只能代表当时情况下的心情、状态和特征。时间的推移、经历的增加以及状态的变化都会导致青年群体数据资料的变化。若没有实时更新数据资料,缺乏最新数据的补充,就会导致匹配误差。其三,在上传数据时,数据的美化往往会影响匹配的有效性。由于数据资料公开到网络中,互联网将青年个体的基本信息、社会活动、教育背景、工作状况等向全网进行无差别地展示,这种可见性会导致青年群体对数据进行美化。虽然没有出现普遍性造假,但对数据信息进行的扭曲与夸大在所难免。例如,会一门乐器者声称自己擅长音乐,偶尔跑步者就标榜热爱运动,做一次饭者就说自己勤于家务。给自身数据资料加“滤镜”的行为,极大地影响了匹配的有效性,会对算法形成干扰。当前,青年对主动展现的数据普遍会进行“数据美颜”,即最大程度美化自己的形象。例如,大多人在上传照片时会进行“P图”,资料数据被添加了“滤镜”,照片成为“照骗”,不仅欺骗算法,导致算法推荐有误,也欺骗了社交对象,使其对数字化社交模式产生怀疑。

(四)数字社交的情感性异化问题

在数字社会,大数据算法匹配是基于信息的数据化和标签化展开的,以矩阵操作为底层机制。该模式将多面立体的青年个体压缩为单一维度、冰冷物化的数字矩阵。个体鲜活的交往与互动被一系列复杂的矩阵运算与线性抽象所替代,这会产生情感性异化问题,即算法是否能够在肇始于情感的社交关系里发挥作用。算法不应是目的,而应是一种增益社交福祉的手段。数字化社交为青年个体打上一系列数据标签,将一个人过往的静态、碎片化数据视为其真实整体,具有局限性。算法匹配在数据意义上与青年群体90%甚至100%契合的对象,在情感意义上是否也如此般配受到质疑。技术不是交互设计的本质,使用者在交互过程中获取何种情感体验更为重要,因此要防止将算法视为目的的异化倾向。社交是一个嵌入感情的过程,是青年群体社会交往和情感共享的方式。算法匹配交友模式的涌现,以数据资料取代了感情分享。作为社交主体,青年用户的社会交往福祉(过程与结果)本应处于主导地位,却被算法压缩了参与和选择空间,被动地等待社交对象的系统性匹配与推送,丧失了原有社交的探索价值、过程感受与感情意义。最为重要的是,青年社交愈发趋向于“精神交友”,以期找到自己的“Soul Mate”来获得情绪价值和情感体验。但数字化社交使用数字化特征得到的匹配结果没有谈心、交流、倾诉等感情色彩与互动过程的加入,这样的匹配是工具性、不真实的。如何将数字化社交扩展到情感、态度、意义维度,恢复人类的社交体验与过程意义,是大数据算法匹配必须要解决的深层次问题。

五、数字化社交问题的解决进路

为提升数字化社交的互动体验,处理和解决新社交模式下的安全性、合适性、精准性、情感性以及隐私保护是紧要任务。具体包括:

第一,还原真实数据,把握技术趋势。数字时代的个体交往互动新模式的核心组织机制就是基于大数据的关系匹配,如何提高数据质量、改进匹配算法成为关键技术问题。一方面,需要在还原数据过程中,强化精确信息基础。数字化社交是以数据资料作为基础进行匹配的,上传精准无误的数据信息,才能精准把握社交需求。因此,在数据的分解还原中,既要保证数据资料的数量,收集必要且完备的数据信息(年龄、星座、属相、职业、单位、地位、收入等),为算法匹配提供计算指标,也要考虑数据资料的质量,严格审查上传数据资料的真实性、有效性。另一方面,在处理数据的过程中,需要做到着力精准匹配。优化算法、提高匹配精准度是数字化社交的核心。目前的各种算法中,协同过滤推荐算法、内容推荐算法、图结构推荐算法、混合推荐算法在社交中发挥了应用价值。接下来在匹配算法的改进中,需要纳入更多因素,充分考量时间维度、要素分配、量化标准等方面,实现算法最优和匹配最精准化。

第二,强化数据安全监管,打造信息安全空间。数字资源整合在对各个相对独立的数字资源中的数据对象及其内在关系进行揭示、融合、类聚、重组、重新结合为一个新的效能优化的数字资源体系时,不仅会索取青年主体主动上传的数据,也会擅自挖掘隐私数据,在此情况下,监管与保护数据隐私成为当务之急。法律是数据安全的第一道防线。在大数据时代,网络数据信息的利用和存储需要依靠法律和制度机制保障技术的合理使用,公平建立和完善网络立法是大数据时代保障网络信息安全的根本之策。应根据信息安全问题的变化不断完善修改法律,以适应网络发展,为数字化社交提供法律保护。技术是数据安全的重要补充,从技术上,需要通过网络层的防火墙、入侵检测、病毒防护技术、数据层的加密技术、服务层授权技术等,严格进行访问控制管理、加强用户数据管理,保证用户数据资料被有效监管、合理使用和实时维护。

第三,打通线上线下社交平台,提供情感交流的应用场景。线上数据资料的信息要接受线下互动的检验,算法匹配出来的社交对象只有经过频繁互动和交往,才能准确评估是否契合。换而言之,除了网络线上匹配,线下互动尤为重要。因此,应打通线上线下平台,实现数据匹配与情感检验的双重保障,从而跨越虚拟空间障碍,将社交从平面变为立体,从静态变成动态,实现零距离沟通。例如,在VR社交中,青年戴上显示头盔和数据手套等交互设备,可以与虚拟场景中的社交对象进行谈心、看电影、散步等,实现双方“在场”互动。

总之,数字化社交是数字社会下人类交往新模式的必然体现。全社会在享受其便利的同时,应及时调整并优化算法运行模型,避免出现异化现象,促使智能算法为人的福祉增加服务,而不是为算法本身及其关联的高科技公司与互联网资本巨头服务。