算法推荐对网络意识形态建设的挑战及应对
蒋成贵
（安徽大学 马克思主义学院，安徽 合肥 230601）
［摘 要］ 算法推荐已成为社会性信息分发的主要方式。算法推荐通过对信息内容进行特征化处理、对用户进行画像和隐语义推荐实现了个性化信息推送。算法推荐重构了媒介生态格局，给网络意识形态建设带来诸多挑战。要用主流价值对算法推荐进行引导，具体可从四个方面着手：一是为正能量内容插上算法推荐的“翅膀”，在网络舆论场形成“以主流引领百舸争流”的局面；二是网络传播平台要遵从新闻传播伦理的约束，决不能让互联网成为“舆论飞地”；三是加强对推荐算法的监管，依法加强网络空间治理；四是提升网民的“算法素养”，批判对待推荐算法及其推荐结果。
［关键词］ 算法推荐 平台型媒体 网络意识形态 价值引导
移动互联网时代，为解决信息过载、信息碎片化与受众注意力资源稀缺之间的矛盾，互联网企业纷纷引入算法分发模式来实现信息与用户的双向感知、精准匹配，从而提升用户的使用体验。据“比达咨询”调查显示，“截至2018年底，超过95%的网络信息社会化分发是由算法推荐完成的”。[1]这就是说，我们当前通过智能移动终端接触到的信息，主要是由算法自动为我们识别和推送的。算法推荐的广泛应用，引起了信息生产方式、传播渠道以及用户信息消费模式等的更新，直接推动了“今日头条”、“一点资讯”、“UC头条”、“趣头条”等平台型媒体的崛起，给网络舆论场带来了深刻变化，更对网络意识形态建设构成了严峻挑战。
一、算法推荐的技术逻辑
目前，在推荐系统的众多基础算法中，较常用的是基于内容的算法与基于领域的算法。其中基于领域的算法又分为基于用户的协同过滤算法和基于物品的协同过滤算法两大类。由于网络信息规模呈几何级增长且信息之间相似度频繁变化，所以平台型媒体多选择基于用户的协同过滤算法作为推荐系统的核心算法。该算法的核心运算逻辑是“拟合一个用户对内容满意度的函数”，这个函数需要输入三个维度的变量，即经标签化处理的内容特征、用户特征和环境特征，函数的计算结果为这一场景下用户对拟推荐内容的满意度。
第一，对内容进行标签化处理。标签是描述信息特征的短语汇总，是信息最重要的元数据之一。经过深度学习和大量训练的算法，会自动分析进入平台的每一条信息，并打上相应的标签。算法对信息打标签，可分为感知和推理两个阶段。在感知阶段，算法利用模式识别、拆解及结构化处理，从文字、图像和视频三个维度对信息进行理解，提取出该信息的低层可视特征，这是对该信息的客观描述，没有先验知识的干扰。在推理阶段，已存储大量知识图谱的算法会将感知阶段的分析结果整合起来，把该信息作为一个整体进行主观理解，得出该信息的高层语义特征，从而构建包括内容标签、属性标签和热度标签等在内的层次标签体系。之后，算法会利用系统内部搭建的内容模型对信息进行模型识别，来独立判断哪些信息可以进入推荐池，哪些信息触碰了敏感词标签需要人工终审，哪些信息违规违法必须予以屏蔽。
第二，对用户进行画像。用户画像，即对用户进行标签化处理，是基于用户历史数据对用户意图进行推测，并形成个性化用户标签的过程。用户历史数据的完整性直接影响用户画像的可靠性，进而也会影响推荐的效果。因此，平台型媒体通过绑定用户社交账号、读写用户注册信息以及实时监听用户在平台上的行为事件等途径，搜集用户的人口属性数据、兴趣属性数据和地理属性数据等，并通过对这些数据的分析、挖掘，梳理出用户在各个维度的特征，建构出用户标签体系。用户标签体系可以分为事实标签、模型标签、预测标签三个层级：事实标签是通过对用户原始数据的清洗得来的，如性别、年龄、职业、住址、使用时段、使用频次等；模型标签是在事实标签的基础上，通过业务建模和大数据分析得到的，如用户的活跃度、人群属性、兴趣偏好、交互偏好等；预测标签是在事实标签和模型标签的基础上，通过算法挖掘，对用户未来的行为进行预测，如根据用户以往的兴趣偏好，对用户的近期需求进行预测等。用户标签是一个多维的复杂体系，不同用户间不可避免会出现标签的重合，甚至部分用户的标签会出现高度重合，此时用户的核心特征就体现在标签的权重上。推荐系统会基于用户的行为数据、社交数据和一定的模型算法，对用户的每个标签赋权重。在对用户标签进行赋权时，系统还会考虑到用户兴趣的时效性，即离当前时间越远的兴趣权重越低。同时，算法对于用户的画像并不是固定不变的，它会随着用户数据的变动而动态更新。
首先，根据仪器的电解池偏压、积分电阻、增益微调等工作参数对标样转化率结果、峰形、基线及重复性的影响，选取最佳工作参数，再结合筛选后的条件对进样量进行优化[3]。确定微库仑综合分析仪的工作参数见表1。
第一，造成新闻“把关权”转移，媒介内容价值观呈“无序化”。算法分发技术的应用，改变了信息传播范式，从“人找信息”转向“信息找人”；颠覆了媒体和受众的角色关系，信息的选择权、主导权基本由用户决定；将信息传播的出发点由公共传播转向用户个人，降低了公共性信息的覆盖范围。算法设计程序的背后，是一套迎合受众审美趣味、增加受众消费时间、提升受众消费黏性的商业逻辑。在这套逻辑下，算法只推送用户“最想看”的内容，而非用户“应该看”的内容。同时，移动传播体系中，平台对用户身份的隐匿和用户近乎个人独处的状态下，“人们所表现出来的信息需求，常常是猎奇心重，对低俗内容较为敏感，这类低质量信息往往点击量较高”。[2]一些内容创作者为了迎合用户兴趣，争相生产各种虚假新闻、“标题党”等违背公序良俗的内容，传播无视秩序、离析传统的非主流观念，“审丑”之风盛行。算法推荐依靠“冰冷的代码”对内容进行“把关”，根据用户的偏好来判断内容的“价值”，失去了对社会主流价值的守望与追求，使得用户陷入价值观迷茫的困境，阻碍了社会共识的形成和用户正常的社会化发展。
推进扬中市智慧城市建设是县级城市发展的先导与探索，需要明晰建设思路，选择优化路径，为县域智慧城市发展提供可资借鉴的示范样本。
第三，隐语义推荐。在对信息和用户进行特征化处理之后，推荐系统利用隐语义模型建立二者之间的函数关系。隐语义模型的假设前提是在用户的多样化需求偏好中还有多个没有被提取出来的隐性标签，其目的就是要通过数据分析找出由这些隐性标签构成的主题或分类。隐语义模型通过把用户对信息的评分矩阵分解成用户对隐性标签评分矩阵和信息在隐性标签上权重矩阵的乘积推导出目标函数，接着利用随机梯度下降法对该函数进行优化，从而确定隐性标签的个数、不同隐性标签的权重并求出用户在每个隐性标签的偏好程度，进而构建用户对信息的兴趣函数。推荐系统会根据隐语义模型的计算结果，决定推送内容和推送顺序。同时，系统既会记录用户对推送内容的消费反馈，及时掌握用户偏好的变化，了解用户对社会问题的态度，又会记录所有用户对每个被推送信息的消费行为，如哪些类型的用户喜欢此信息，哪些类型的用户反感此信息等，从而为调整下一次推送内容提供依据。
二、算法推荐对网络意识形态建设的挑战
第一，为正能量内容插上算法推荐的“翅膀”。我们要加强对主流价值内容的算法推送，让正能量的声音传播得更广更远更深入人心，推动网络舆论场形成“以主流引领百舸争流”的局面。一是传统主流媒体要升级成新型传播平台。主流媒体要“推动关键核心技术自主创新”，努力从技术上的跟跑者变成领跑者，不断“探索将人工智能运用在新闻采集、生产、分发、接收、反馈中”，“借助移动传播，牢牢占据舆论引导、思想引领、文化传承、服务人民的传播制高点”。[4]比如，人民日报客户端推出的“人民号”将人工智能技术与权威媒体深度融合，首创了“党媒算法”，并吸引了数千家各级党报党刊、政务号、优质自媒体和社会知名人士入驻。二是主流媒体要借助商业化、社会化互联网平台。主流媒体要深化与互联网企业的合作，将自身的优质内容生产能力与后者的平台和技术优势有效嫁接，从而提升舆论引导能力。三是要重视“意见领袖”的舆论引导能力。移动互联网时代“意见领袖”凭借自身在特定领域的建树与魅力，积累了大量忠实的“粉丝”或稳定的受众群体，从而在该垂直领域内实现意见的传递和影响力的塑造。他们在解构传统中心权威的同时，也在建构以自己为中心的新的话语中心。我们要培养一批坚持正确导向、熟悉网络语言、了解网络传播技术和传播技巧的网络“意见领袖”，强化主流言论，抵制非主流言论。利用他们与其“粉丝”间的黏性，并通过“粉丝”社交媒体的裂变传播，实现对普通受众的价值引导。
拜托，请不要相信我这些鬼话，也希望你们帮我带话给小六子，他还是个孩子，还不懂什么叫做人。希望他能克服妄自尊大的臭毛病，不要愧对了他的母亲。她已经是两鬓斑白的人了，需要自己儿子的照顾。自打认识了他们母子以后，是她使我懂得了一个人去尊重另一个崇高的人那是一种别样的幸福。让他回家去吧，多陪陪他病弱的母亲。她是唯一疼爱他的人。
第三，使用户堕入“信息茧房”，削弱主流意识形态的整合能力。由于个人信息需求的非全面性和受时间、精力等因素的限制，网民不可能关注所有的网络信息，算法推荐利用数据挖掘技术预测用户偏好，然后投其所好，向他们推荐符合他们兴趣的内容，为他们搭建了一个封闭的信息体系。这个信息体系只把同质性信息放进来，将异质性信息阻隔在外，容易引发“信息茧房”和“回音室”效应，制造“过滤气泡”，导致受众认知偏差和“群体极化”现象。算法推荐强化了受众固有的“群体意识”和“自我确认性偏见”心理，加重了社会不同人群的心理区隔甚至圈层隔阂，加剧了社会价值观念和意识形态的分化，给网络空间中主流意识形态的整合传播及其统合性的认同建构带来了挑战。
第二，加剧了传统媒体被边缘化的危机，传统主流媒体的舆论主导者地位不断下降。随着4G网络的迅速普及和移动流量资费的持续下降，网络信息内容也由传统的图文结合为主，逐渐发展为直播、问答、短视频等多种形式，不断迎合大众视觉消费的转向。平台型媒体凭借对用户偏好的准确预测与信息的个性化定制，在资讯分发领域迅速崛起并很快确立了领先优势，在用户规模、用户日均使用时长等方面都远高于传统门户网站和主流媒体客户端。商业互联网公司及其新闻资讯产品占据了新闻资讯APP渗透率排行榜前10位，并且垄断了移动互联网中95%以上的信息量和网民流量，成为网络舆论的发源地、集散地和主战场。[3]从行业生态格局的角度看，传统媒体在市场营销、受众规模、社会影响力等方面受到平台型媒体的挤压效应日益凸显，边缘化趋势越来越严重，主流意识形态资讯在日常传播空间中的覆盖率和到达率也大大降低。
算法推荐是平台型媒体取得同业竞争优势的技术手段，也是导致网络空间中各种虚假低俗、违规违法等内容不断产生和广泛传播的推手。内容创作者为了获得算法的叠加推荐和热度加权，就必须遵循算法推荐逻辑，千方百计制造各种“爆点”来吸引用户眼球。同时我们也应看到，尽管算法推荐基于自身的技术逻辑，给网络意识形态建设带来了诸多挑战，但其作为一种内嵌设计者价值准则的前沿技术，同样能被运用于网络主流意识形态建设。我们不仅要“管得住”更要“用得好”新技术，要用主流价值导向驾驭算法推荐分发模式，以提升主流资讯的受众达到率与精准度，从而实现网络空间主流价值的重塑。
三、用主流价值导向引领算法推荐
第四，放大“后真相”问题，给主流意识形态认同带来巨大威胁。所谓“后真相”是指一些人为了自身利益，为了博取受众的关注和支持，使用断言、猜测、感觉等表达方式，生产迎合受众认知但偏离客观事实的内容。在“后真相”时代，客观事实和理性思辨被内容生产者和接受者抛诸脑后，他们的关注点不再是事件本身，而是其中能够引发的情感共鸣和情绪宣泄。社交媒体的兴起和普通民众参与新闻的生产、传播过程，是导致“后真相”的主要原因，算法推荐的应用则放大了“后真相”问题。算法推荐重构了信息传播效果的评价体系，点击量、评论量、转发量等数据不仅直接反映了某条信息的传播力、影响力，也反映了该信息的“价值”，即流量变现能力。在经济利益驱使下，很多内容创作者为了“抓住”用户眼球，获得更多的点击量，争相制作各种“后真相”谎言与狂言。为了与目标受众的期待相“契合”，他们多使用“据目击者称……”、“有图有真相……”等句式，至于究竟是否有目击者、是否有知情人士、图像是否真实等，一点都不重要，重要的是让受众感觉“这一切都是真的”。后真相时代的“虚假真实”多是关乎公众最关注的民生话题，极易在具有强烈的“认可”心理和情景“代入感”的社交平台上引发病毒式传播，撕裂社会共识和社会主流价值观。
移动资讯分发产业是彻头彻尾的注意力经济，用户注意力是平台运营方和内容提供方实现货币价值的基础。用户的关注度越高、注意力越集中，意味着它们的变现能力越强。算法推荐极大地提升了信息分发到人的效率和精准度，在实现用户的个性化定制、增强用户黏度等方面具有独特的优势。但是，其“流量为王”的价值取向，只关注信息对于用户的“趣味性”，而忽略了“重要性”。同时，它对信息内容的适宜度和尺度也没有严格规范，导致各种传播不良生活方式、不良流行文化等缺乏正确价值导向的垃圾资讯充斥网络空间，严重威胁良好网络舆论生态的营造。
在对水牛乳理化性质方面的研究整理综述中，可以看出国外学者对水牛乳的研究起步较早，对水牛乳的乳成分及各成分的理化特性研究较为深入，特别是酪蛋白和脂肪球的结构。而国内对于水牛乳的研究起步较晚，研究主要集中在广西杂交水牛乳，目前关于中国水牛乳理化特性还较为浅显，仅对水牛乳的乳成分含量进行了初步研究，而关于中国广西杂交水牛乳的酪蛋白结构，脂肪球分布及活性物质的研究还较少。
第二，网络传播平台要遵从新闻传播伦理的约束。平台型媒体要自觉担负起信息把关、舆论引导的责任，决不能成为不良信息生产与传播的温床。一是要制定以主流价值观为核心的内容分发规则。首先，平台型媒体无论制定什么样的流量逻辑和流量分配规则，都必须把关照公共利益、尊重和满足公众知情权、营造良好的信息生态作为核心法则。其次，要将平台的核心法则贯彻于推荐算法的设计、开发全过程。无论算法的整体技术架构，还是其内部代码排列或运算优先级的顺序，都要融入主流价值观的取向，如：将价值导向作为内容的一个独立标签，并赋予较大的权重值；在初始推荐流量池和叠加推荐上向弘扬正能量的作品倾斜；等等。二是要履行好“把关人”责任，实现“价值引领下的技术驱动”。算法毕竟不是有意识的人，不能自觉地对信息的价值导向和隐藏在信息背后的事件真相做更深入的思考。因此，网络传播平台必须加强人工编辑的内容审核和把关，实现“人机联动”。首先，人工审核能够弥补算法审核“一刀切”的局限性，可以通过对信息的深刻理解，排查出那些打擦边球的信息，并且还能持续更新信息模型和标签库，进一步提高算法审核的效率和准确度。其次，人工编辑能够通过置顶或弹窗等方式，将重大或突发信息优先展示给用户，同时他们还可以通过人为降低热度值来实现对低俗内容的挤压。再次，人工编辑可以就某些有重大社会影响力的事件策划专题，从广度和深度两个层面满足受众的信息需求。三是要积极推动平台上的主流声音传播。首先，要对权威媒体资讯进行流量加持。权威媒体是天然的优质信源，但是其生产的内容量占全网信息量的比重却很低。为了将繁杂的信息良莠分层，平台型媒体要给权威媒体内容更大的初始推荐量、更宽松的叠加推荐规则，让权威媒体的声音成为平台主流声音。其次，要推出优质内容培育计划。平台可以通过“现金+流量”的方式，鼓励签约的自媒体、机构或个人生产正能量内容，让正能量充盈网络空间。
第三，要加强对推荐算法的监管。一是政府主管部门要制定监管算法推荐的法律法规。首先，要对算法推荐应用过程中可能出现的相关法律问题进行研究，如知识产权保护、个人隐私权保护、信息安全利用以及民事案件和刑事案件的责任认定等问题，明确网络信息传播链条上各主体的相关权利、义务和责任等，建立追溯和问责机制，从规章制度方面保障算法推荐的健康发展。其次，要根据不同平台的算法，制定有效的监管措施。尽管各平台推荐算法的核心逻辑相似，但是它们的出发点却不尽相同，如有以公共利益为出发点的“党媒算法”，也有以获取经济利益为目的的商业算法，也有兼具二者的算法。这就要求相关部门在立法时必须考虑这种特殊性，既允许平台之间在运营模式、盈利模式、技术变革等方面有异，又要求它们在新闻底线和舆论导向上必须保持一致，从而打破“一放就乱，一管就死”的怪圈。再次，要在立法中明确规定平台型媒体的推荐算法有接受第三方监督的义务。当前平台型媒体仅仅向受众展示了算法推荐的结果，并未解释结果产生背后的逻辑，这使得算法监管的边界很难把握，很可能陷入无人监管的黑箱。因此，要成立由算法设计专家、伦理学家、法学家、社会学家等相关领域的专家和普通网民代表组成的调查组，专门监督推荐算法自动化决策过程的公平性、可解释性、责任性和透明度等。二是网络传播平台要构筑算法推荐责任伦理体系。预防信息传播失范，既需要外部的制度约束，也要靠内部的伦理制约。首先，要明确责任伦理体系的范围。考虑到社会性信息传播具有公共属性，网络传播平台必须以社会公益为核心构建算法推荐的责任伦理体系，形成包括尊重客观事实、尊重知识产权、尊重个人隐私等在内的基本伦理共识。其次，要加强技术人员的技术伦理教育。技术人员是算法推荐系统的实际开发者，他们的技术道德越轨是后者产生严重负面影响的主要原因，对他们进行技术伦理教育是防范该现象的“治本”方略。
第四，提升网民的“算法素养”。随着网民对资讯信息的需求越来越旺盛，他们愿意消耗在移动资讯平台上的时间也会越来越多。因此，为了更好地发挥算法推荐在特定场景下将信息与人有效连接的优点，减少和规避算法风险，必须提升网民的算法素养。所谓算法素养，“并不是指能够严格地读写代码，而是说（受众）能意识到算法在他们生活中的存在，以及算法所扮演的越来越重要的角色，不管这个角色是好或是坏”。[5]一是网民要对算法本身及其推荐结果持批判态度。网民要意识到算法推荐已经成为网络信息分发的“标配”，能够了解算法推荐的运作逻辑，认识到当前算法推荐仍存在明显的不足和局限，主动搜索不同类型的内容，满足自己的多元化需求，防止过分沉溺于算法构造的“拟态环境”中，不使自己被算法“圈养”。二是网民要提升对推荐结果的辨别、判断和遴选能力。内容创作者受时间、精力、文化水平、审美情趣等多种因素的制约，生产出的内容的质量具有很大的不确定性。算法又是以用户兴趣为推荐标准，即使用户一不小心点击了低级趣味的内容，算法也会以此作为用户的“偏好”持续推荐类似的内容。如果用户没有很好的信息甄别能力，不能对算法推荐的内容做出准确的价值判断，就很容易受到诱导，就很可能被机器“牵着鼻子走”，不知不觉中变成“算法认为的那样的人”。三是用户要养成自觉遵从新闻真实性原则和社会规范的意识。自媒体时代，用户原创内容是网络传播平台的重要信息源，已经成为公共信息传播的重要组成部分。如果内容生产者为追逐关注和流量，到处蹭热点、蹭热度、恶意带节奏、制造负面舆论，这样不仅误导公众，也会污染整个信息环境和内容生态。所以，内容生产者必须坚持大众传播应具有的真实性、道德性等规范，以公共价值作为信息生产和传播的出发点，不断提高自身的优质信息生产能力与传播能力。
参考文献：
[1]比达咨询.2018年度中国移动资讯分发平台市场研究报告[EB/OL].http://www.bigdata-research.cn/content/201903/925.html，2019-03-20.
[2]宋建武.智能推送为何易陷入“内容下降的螺旋”——智能推送技术的认识误区[J].人民论坛，2018(17).
[3]极光大数据.2018年移动互联网行业数据研究报告[EB/OL].中文互联网数据资讯中心， http://www.199it.com/archives/827442.html，2019-01-28.
[4]习近平.加快推动媒体融合发展 构建全媒体传播格局[J].求是，2019(6).
[5]罗昕.算法媒体的生产逻辑与治理机制[J].学术前沿，2018 (12下).
［中图分类号］ D64
［文献标识码］ A
［文章编号］ 1007-192X(2019)07-0078-05
[基金项目] 2017年度安徽省教育厅重点项目“主流意识形态建设视域中的网络意见领袖研究”（项目批准号：SK2017A0017）。
标签：算法推荐论文; 平台型媒体论文; 网络意识形态论文; 价值引导论文; 安徽大学马克思主义学院论文;