新闻推荐算法的局限与优化

龙源期刊网 https://www.wendangku.net/doc/cc2721910.html,

新闻推荐算法的局限与优化

作者：郑子艺

来源：《声屏世界》2017年第05期

摘要：新闻推荐算法是网络媒体时代新兴的新闻编辑技术，通过分析用户行为特征，推测用户的喜好和需求，目前备受互联网公司青睐。但实践积累发现，新闻推荐算法存在很多弊端，本文就其局限性展开分析，提出智能全面化用户数据采集、人工推荐与智能筛选结合、开辟与细化用户设置渠道三方面的优化策略。

关键词：新闻推荐算法局限优化

新闻推荐算法是一种定制化信息服务技术，以大数据和人工智能为基础，通过采集用户行为数据，比如点击、阅读、转发及评论的特征，进行分析、推测用户对内容的偏好和潜在需求，自动抽取、整合、编排信息，最后实现个性化内容的推荐。

互联网技术的发展加快了新闻生产及传播的速度。面临海量资讯，人的选择精力和接受能力都有限，极易淹没在信息洪流中。网络时代传统“把关人”的力量被削弱，但“把关”价值本身更加重要了。某种程度上算法就充当着“把关人”的角色，理想情况下以用户意志为把关标准，在用户导向的服务逻辑下挑选信息。

这种算法的初衷是满足用户需求，节约用户时间，提供以人为本的用户体验。这样全新的编辑机制刚一出现立即获得了业界和用户的认可，迅速席卷各大网络公司。几乎所有新闻媒体都或多或少采用类似的算法，比较典型的有Facebook、Google搜索等。国内最具代表性的当

属今日头条了，品牌口号“你关心的才是头条”很好地描述了今日头条的产品定位。后起的许多聚合类新闻App，如一点资讯、UC头条的运转理念均与之类似。

毋庸置疑，新闻推荐算法的出现解决了网络新闻传播的一些问题，但没有所宣扬的那么智能，实际上目前流行的大多数算法还远没有达到足够聪明的程度，仍存在许多隐患。

信息定制化存在的局限

一、过滤信息的质量有待提高。如果说原来的互联网世界是庞杂的，那新闻推荐算法并没有改变这种信息特质。算法仅以新闻主题为单位，粗略地帮助用户缩小了信息范围，但并没有对信息的具体内容和质量加以甄别，海量单一内容的涌现，比原来更让人眼花缭乱、失去判断。算法将大量的相关信息堆积给用户来显现它的“高效智能”，没想到却适得其反，永无止境的相关信息推送给用户带来一种十分焦虑的阅读体验，因此越来越受诟病。

二、错误判断用户喜好与需求。仅从阅读的驻留时间、点击次数、转发评论等数据分析，并不能百分百还原用户“画像”，经常出现算法失误的情况，误解了用户心理。尽管有时候用户点击了某个主题的内容，但可能只是一个短暂需求或是选择失误，结果由于算法的机械与延