算法推荐其实在某种程度也算是个性推荐了，主要是以今日头条、一点资讯为代表的智能新闻客户端为主的，结合大数据精准分析并解读用户的阅读习惯和兴趣。所以，面对如此专业的话题，我们作为新传学子又该如何把握评论的角度呢？

推荐算法究竟是什么？

路透新闻研究院的调查显示，虽然对于算法推送新闻确实存在算法审查（Algorithmic Censorship）、平台偏向（platform bias）、信息茧房（informaTIon cocoons）以及回音壁（echo chamber）的担心，但人们尤其是年轻人，更加愿意使用和相信根据算法生成和推送的内容。对传媒业而言，大概没有一个时代比今天更强调技术的作用。

推荐算法是计算机专业中的一种算法，通过一些数学算法，推测出用户可能喜欢的东西。这种基于算法演算的个性化信息推送方式主要应用于第三类新闻应用。如今日头条、一点资讯、ZAKER新闻等。这些智能新闻客户端，凭借强大的算法、先进的数据抓取技术，能够精准分析并解读用户的阅读习惯和兴趣，从而为用户提供量身定制的新闻产品，满足了个性化的需求。

1.基于内容的推荐算法

原理是与用户喜欢和自己关注过的话题在内容上类似的话题，比如你看了一条关于“成都限购政策出台”的新闻，基于内容的推荐算法发现一条关于“限购后这些新盘价格远低于预期 高新区某盘不到一万”的新闻与你以前观看的新闻在内容上面（共有很多关键词）有很大关联性，就把后者推荐给你。

2.协同过滤算法

原理是用户喜欢那些具有相似兴趣的用户喜欢过的新闻，比如你的朋友或你关注的人喜欢体育类的新闻，那么就会推荐给你，这是最简单的基于用户的协同过滤算法。

当下盛行的算法推荐型新闻分发平台

我们正处在一个信息大爆炸时代，新闻信息量巨大，传统的新闻媒体已经无法完成全部信息过滤的历史使命，新闻信息过滤的主动权从传统的新闻媒体手中逐渐转移出去，算法推荐型新闻分发平台便应运而生。

新闻信息分发平台

《今日头条》正在用推荐算法技术颠覆我们这个时代的阅读，把阅读的权力让给技术，用技术来识别用户的喜好，并推荐可能感兴趣的内容；

《一点资讯》也是依靠机器算法“精准”分发资讯的平台，是一款为兴趣而生、有机融合搜索和个性化推荐技术的兴趣引擎，基于兴趣为用户提供私人定制的精准资讯；

腾讯《天天快报》也是一款个性阅读、快乐吐槽的新闻阅读产品。产品通过智能计算用户的兴趣，为用户推荐喜欢的内容；

知乎的《读读日报》结合了UCG与算法推荐，也在走推荐算法的路。

在这种个性化推荐机制下，用户在使用过程中慢慢地把自己的行为和偏好都自愿提供给头条后台，以获取更加精准的符合自己兴趣和爱好的信息推荐，这会让他对软件的好感度越来越高，这是个企业和用户双赢的结局。

并且随着算法的升级迭代，如果能根据用户接收信息时的面部表情、心跳速度等生理现象推断用户接收这些信息时的喜好或者厌恶程度，系统据此形成符合用户需求的个性化定制资讯推荐的周期将越来越短，这将会给用户带来更加极致的体验。

张一鸣称：“将对媒体在今日头条平台上的用户数据进行更详尽的统计分析。除了性别、终端、年龄、地域分布等用户属性基本分析外，还将提供用户的兴趣和情感倾向分析。通过这一功能媒体可以知晓受众喜欢哪些分类的文章、用户最喜欢文章里的哪些关键词、关注你的人还喜欢哪些内容等等。”这话本意是在针对微信，微信公众平台目前恰好只能提供受众的“性别、终端、年龄、地域分布”分析。作为平台，头条明确要为入驻媒体提供“服务”。兴趣和情感，这是算法更高的追求。

新闻推荐算法给新闻媒体带来的影响

推荐算法在未来还有很长的路要走：

在用户层面，算法推荐可以解决内容消费，但解决不了内容质量

在平台层面，算法推荐可以解决内容发放，但解决不了内容获取

负面影响：

1.新闻媒体概念的瓦解，与受众失联，难以塑造品牌

每一篇新闻通过推荐算法分发然后触达用户，中间开始隔着一个“流量分配者”—新闻信息分发平台，这彻底瓦解了新闻媒体品牌和受众的概念。

新闻媒体沦为以单篇文章为单位来思考，不能再通过持续的内容输出塑造新闻媒体品牌，而且只能通过标题党、低俗化内容来让每篇文章找到受众；新闻媒体不再有稳定的受众和坚实的读者预期量，没有了传统新闻媒体的读者培养过程，没有了与稳定读者群体的持续交流和互动，媒体所需要的持续性关注几乎无法得到，与受众几近失联。

2.传统新闻生产逻辑的改变

传统的新闻价值观重视社会公众利益，报道具有长远影响的事件并提供见解，主流的新闻操作手法保障了新闻从业者面对政治、军事和社会力量时的独立和从容，而推荐算法从用户个体出发，对于国家和社会整体的关注度不够，这种新闻推送机制是有社会潜在威胁的。

所以推荐算法的存在，并没有能够代替媒体的作用，它没有办法像编辑那样，做一些大家可能不喜欢但一定需要让大家看到的内容的使命感。

3.沦为为他人做嫁衣

媒体变成了新闻信息分发平台内容工厂的一名“工人”，流量生杀大权、广告收入都握在了信息分发平台的手中。一条新闻报道再怎么火，也只火了新闻信息分发平台，用户不会关心是出自哪个媒体，媒体沦为为新闻分发平台代笔的工具。

 4.陷入信息茧房

知识链接：信息茧房（Intormation Cocoons）概念是由哈佛大学法学院教授、奥巴马总统的法律顾问凯斯·桑斯坦在其2006年出版的著作《信息乌托邦——众人如何生产知识》中提出的。通过对互联网的考察，桑斯坦指出，在信息传播中，因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。

如人民网文章所言，当内容产出一切以用户喜好为标准，内容若要有市场就“就只能一味迎合、取悦”用户，进而“失去了独立思考、深度观察的能力，进而削弱整个社会的创造力”。

当互联网尤其是移动互联网快速发展之时，地域造成的信息障碍正在不断被打破，身处农村也可以获得与一线城市相同的互联网信息，但在推荐算法的逻辑中，算法分发正在形成新的地域屏障，来阻碍信息的通常分发。

当淡化总编辑工作，内容的分发完全以用户先前喜好为依据进行分发，用户将堕入严重的“信息茧房”中，这意味着用户只能在自己的认知之内获得平台推送的内容，也即，用户的阅读与个人成长处于割裂状态。当单个用户的成长与阅读成非正比发展，那么，对整个年轻群体显然将会是一场巨大的灾难，缺乏良好的阅读环境，沉迷快餐内容，且阻隔了无主动阅读能力年轻人上行的通道。

积极影响:

目前业界对于新闻推荐算法的评价褒贬不一，除了主流的鄙夷态度外，也不得不承认其对于新闻媒体还是有存在的积极意义的，毕竟算法是人发明的，分发平台会大受欢迎也是用户来选择的。

运营工作量降低，更专注于内容

推荐算法可以自动抽取文章特征，也可以找到合适的文章投放，所以新闻媒体可以不用太担心新闻传播渠道和运营问题，因为只要是内容好，信息分发平台都会愿意给流量并匹配精准的用户，但这也要求媒体需要对用户更了解；另外推荐算法鼓励了高点击率，还用广告分成激励了点击率高的新闻内容创作者。

真题演练

根据你对算法推荐的理解，简单说说这种技术应用在新闻领域的影响。（南京师范大学，2017）

参考答案1：

算法推荐是当下很多新闻客户端所用的个性化推荐，既用户找到与其相匹配的内容，反过来也可以说是内容找到与其属性相匹配的用户。

在新闻领域的影响：

个性化推荐最直接的例子就是今日头条，通过对用户进行画像后采取个性化匹配，标签化读取，为用户提供最合适最有兴趣最需要的内容。

为新闻内容带来了精准化的投放，可以大大提高新闻内容的注意力与流量，通过算法分析降低了由于不匹配造成的成本流失，因为算法匹配一般是出现在信息聚合平台，以收集其他平台+自媒体生产，可以减少新闻推送的时间，加快新闻到达用户率，增加流量，但是可能会因长时间关注自身感兴趣的内容导致用户的信息茧房的问题，对于其他的新闻内容就不会过于涉及。

参考答案2：

关键词：新闻领域算法技术算法推荐背景:技术革新，现实受众需要定制化、个性化服务。

现象：今日头条的“你关注的，就是新闻”算法模式。社交媒体根据算法技术做出信息流广告推荐、新闻资讯传播。

影响：

正面——基于用户需求、兴趣、环境因素，对新闻资讯做出筛选后呈现给受众用户，能够满足当今新媒体环境下不同受众群体、个人的个性化要求，增强用户黏性，使新闻报道与受众用户之间的联系更加紧密，增加受众用户的新闻参与度，在一定程度上提供了“议程设置”，并使得“创新扩散”更为迅捷，传播范围更加广泛。

负面——容易导致“信息茧房”，受众无法接触到经验域外的新知识，接收新技术、新思潮的冲击洗礼，达到自我提高的目的。更易导致新闻报道内容同质化，受众用户接收到的新闻报道趋同化。

算法与数据化时代互为表里，可以通过用户的内容型数据以及行为型数据全面了解用户的兴趣爱好，实现精准匹配，但个性化的信息同时也会带来信息茧房、回声室效应，使用户的认知出现偏差。算法可能会加剧互联网的三俗化，由于网络的用户门槛低，媒介由以往的精英主义越发有了草根化的特点，众声喧哗。

素养不一的用户可能会扩展庸俗低俗媚俗信息的市场，污染网络空间。同时，算法也与经济利益挂钩，资本的渗透为算法的不当使用提供了滋生的土壤，引发社会悲剧，降低媒体的公信力，新媒体易陷入。“塔西陀”陷阱（可结合魏则西事件）。

参考来源：文化产业新闻、科技说、电子发烧友、人民日报等。

大家有任何问题，可以在文后留言区留言，胡师姐为你解答。