移动传播的体系下内容分发方式探究.docVIP

移动传播的体系下内容分发方式探究 　　摘 要 移动互联网的快速发展，实现了海量原生数据的获取与聚合，为算法与人工智能的不断完善提供了条件。大众传播体系下一对多的内容分发方式逐渐向移动传播体系下个性化的精准分发方式转变，以“今日头条”为代表的内容聚合平台将这种全新的内容分发方式及其背后的算法推向了舆论的风口浪尖。 　　关键词 内容分发；个性化；精准推送；今日头条；算法 　　中图分类号 G2 文献标识码 A 文章编号 2096-0360（2017）20-0049-02 　　为了解决海量信息发布与用户个性化信息需求之间的矛盾，个性化的信息推送方式成为必然趋势，聚合类平台“今日头条”既是先行者也是领跑者，始终不断探索和完善个性化推荐算法，致力于打造超越传统价值链的内容生态平台。 　　1 今日头条变革内容分发方式 　　今日头条在实现内容的个性化推荐过程中，有四个重要环节：内容聚合，内容的排序与分类，搭建标签体系和推荐系统。 　　1.1 内容聚合 　　今日头条创始人张一鸣称“头条”为“新闻搬运工”，内容聚合类平台的定位，颠覆了传统意义上内容生产机构职能，满足了移动互联网时代，人人都是内容生产者的需求和海量信息聚合的特征。移动传播体系下内容分发方式的转变，首先基于“PGC+UGC+GGC”的内容聚合，今日头条主要通过与媒体合作、网络爬虫抓取内容和自媒体账户提供内容等方式实现了海量内容的整合。 　　媒体合作方面，今日头条与新华社、光明网、澎湃新闻等上千家中央、省、市各级媒体进行合作，通过聚合专业化的媒体内容，提升内容数据库质量，满足用户对新闻资讯的需求，并在一定程度上规避了版权纠纷风险。今日头条工作人员在后台通过网络爬虫锁定网站超链接，从而实现更大范围的新闻内容的抓取和转载。针对国家机构、企业、媒体和自媒体推出的“头条号”，是今日头条内容聚合的另一重要来源。通过大力扶持平台原创内容，丰富内容类型和表现形式，以满足用户多样化的信息 　　需求。 　　1.2 对内容进行排序、分类 　　对于聚合的内容，需要按照“优先链接机制”对信息进行排序。这种排序方式基于传播学中“乐队花车法”的宣传策略[1]，用户更倾向于关注排序相对靠前的内容。与此同时，通过自然语言处理和图像识别技术，对整合的内容进行消重，并对信息进行分类和标签化，摘要提取和LDA主题分析等 　　处理。 　　1.3 标签体系的搭建 　　个性化信息需求与海量数据资源的匹配效率取决于标签技术，标签的准确度和丰富性，决定了机器对内容素材的识别能力。今日头条标签体系的搭建，一方面是根据用户需求建立标签，另一方面是由用户上传的内容，依靠用户为其贴标签。依托协同方法，从用户角度出发，判断哪些是具有相同属性的用户，继而根据属性去匹配相关内容。 　　今日头条通过机器识别、人工编辑和用户提交等方式建立的标签体系，将内容的profile与用户的profile作对比，能够更好地实现内容的精准推荐；根据内容标签关键词，将有版权风险的内容放置专门的版权体系中，由专业的审核团队判断内容是否存在侵权风险，从而实现内容版权的维护；通过“标签审核+机器识别+人工确认+用户举报”的方式，能够有效监控具有“黄反”倾向的内容。 　　1.4 构建推荐系统 　　构建推荐系统是实现信息个性化推荐的关键环节，其中包含建立用户模型，构造相似矩阵，利用算法公式得出推荐内容和A/B测试及双盲交叉验证机制等。 　　1.4.1 建立用户模型 　　首先，对于新用户，今日头条采取“冷启动”机制，引导用户完成登陆并建立完整的账号体系，通过抓取新用户原有社交账号的历史行为数据和社交关系数据，建立用户“兴趣图谱”，推断用户兴趣点，实现对用户的初级内容推荐。伴随用户使用时长增加，通过追踪用户行为，更全面地获取用户数据，以完善用户模型。通过用户对推荐内容的“正负反馈”，不断完善对用户喜好的把握，结合用户关注的“头条号”“频道”和用户的社交行为及购物数据，逐步形成完整的用户画像。 　　1.4.2 构造相似性矩阵 　　推荐系统搭建的重要步骤之一是构造相似性矩阵，通过算法判断出内容之间的相似度，并找出热点内容，推送给用户。伴随用户画像完整性的增加，相似矩阵不断优化，从而使推荐的内容越来越精准。 　　1.4.3 逻辑回归 　　今日头条的推荐内容可以通过“个性推荐算法公式”得出，称之为“逻辑回归”。利用公式“W1*候选1的投票率+W2*候选2的投票率+W3候选3的投票率+……=最高分”得出分数，对内容进行排序，再按照“优先链接机制”，确定推送内容的位置与候选。 　　1.4.4 A/B测试和双盲交叉验证 　　今日头条在推荐系统中引入了A/B测试和双盲交叉验证机制。A/B测试是一种把实验对象随机分组，通过对照比较进行测试的方式