算法新闻推介技术下信息传播双面性.docVIP

算法新闻推介技术下信息传播双面性 　　摘 要 新闻算法成为各大媒体平台提升新闻分发效率的重要手段，但其“把关人角色弱化”“信息茧房”负面效应日益突出。文章从技术层面分析了算法推介技术的特征，从新闻传播学的角度剖析了算法新闻信息传播的优势和局限性，并对其局限性映射出的重要问题提出了相关建议。 　　关键词 算法新闻；个性化推介；把关人；信息茧房 　　中图分类号 G2 文献标识码 A 文章编号 2096-0360（2018）11-0038-02 　　在我国手机网民人数呈现持续增长背景下，由于移动设备向受众提供新闻信息与服务具有丰富性与便捷性的特点，使新闻信息的受众不断从报纸、广播、电视等媒介向手机移动端转移，加之“新闻算法”颠覆了受众通过搜索引擎来寻找新闻的模式，用手机阅读新闻已经成为人们日常的阅读场景。 　　但自从2018年3月30日中央电视台曝光后，“快手”App被国家广播电视总局予以整顿，连“今日头条”新闻服务类App也因内容“失控”而被停运整改。此次“快手”和“今日头条”一直为自我辩护的理由是“其信息触达的核心是一套由代码搭建而成的算法”，也就是说不是平台主动向用户推送不良信息，而是根据用户浏览信息的历史记录，自发地推荐与记录相似的内容。这次的严厉处罚，不仅是用“新闻算法”的负面效应给予新闻工作者以警示，恰恰也是对其所谓“技术中立”观点的回应。 　　1 “算法新闻”的内涵 　　算法新闻是运用智能算法工具自动生产新闻并实现商业化运营的过程、方法或系统，它包括信息采集、存储、写作、编辑、展示、数据分析及营销等业务的自动化实现，该表述更准确的揭示了新一代新闻生产的本质特征及基本规律[1]。通俗来说，算法新闻就是媒体通过把受众的历史信息浏览轨迹进行提取，将受众喜欢看、想要看到的，与历史记录主题相似的新闻适配给受众。在这里“算法”决定了受众接触新闻信息的内容广度，给受众造成自己所关注的社会议题他人同时也非常关注的 　　“幻象”。 　　2 “新闻算法”的推介特征和相关变量 　　1）考虑相关（相似）性。通过关键词匹配使算法发挥“搜索”功能，将与用户特征相关的信息进行分类匹配，这包括文本的主题匹配和消息来源的匹配。比如一位用户他长期关注房产类和汽车类的新闻，媒体就会长期为他推送相关信息，并且以长期关注的消息源优先。 　　2）环境特征。以地理位置和时间作为识别要素，根据用户实时状态，来进行新闻信息的匹配。比如一位用户他所在的新疆省发生了地震，那么在线注册所有为新疆地区的用户在第一时间就会收到有关地震信息的信息。 　　3）热度特征。根据新闻事件的全局热度或者主题和关键词的热度来进行推送。比如新浪微博平台常常曝出“明星出轨”事件，这就是媒体根据明星和关键事件提取关键词，利用“热搜”工具面向所有用户来进行的集体推送。 　　4）协同特征。根据用户点击的相似内容、相似兴趣主题和兴趣词来对用户进行分门别类，以达到精准推送的目的。比如在“知乎”平台，就是一种垂直类的、专注知识分享的社群集合区，社群具有高度相似的用户画像，通过对用户兴趣点和需求的掌控，实现知识类产品的精准投放。 　　3 “算法新闻”信息传播的优势 　　3.1 扩大了新闻生产规模，提高了新闻分发速度 　　早期的文字传播是通过口语媒介来进行的，由于口头语言具有“转瞬即逝”的特点，所以不利于记录与保存，新闻的准确性自然也得不到保障。到了文字印刷时代，印刷机的发明促进了书籍、报刊业的发展，为大量的复制印刷报纸提供了可能，极大提高了新闻的出版效率，但是报纸媒介定期出版的特点在新闻分发速度上还是有所局限。随着电子传播时代的到来，电视和互联网兴起，新闻算法的出现使新闻生产人力成本变低，机器可以自动编写文章，且一天24小时不分时段地向用户推送新闻，极大提高了新闻的分发速度。 　　3.2 增强了文本语言上的准确性与灵活性 　　“新闻算法”既然是基于受众历史数据的计算，那么推荐准确性也会随着受众初始历史数据的积累而加强。由于“算法新闻”背后的操作主体是机器，在新闻分发之前，设计师就通过大数据精密设计了计算机的行文模式。 　　首先利用爬取软件收取初始数据，并通过应用预设规则在事件提取步骤中将这些数据转化为可比的标签信息[2]。通过对标志性事件的识取，对公众情绪监测和相关事件热度分析来确定文本的叙述结构，进而行文。计算机对新闻文本的自动校对，降低了人工打字的错误，同时也可以通过不同的标签利用不同的变量自由组合提高新闻文本语言的灵 　　活性。 　　3.3 满足了不同受众需求，优享“定制新闻” 　　服务 　　不同的用户对信息就有不同的需求，用户的信息需求分为关注某个热点的短期需求和热衷某一领域的长期需求。例如“今日头条”App，既可以浏览每日自由推送的热点新闻，也可以选择