喻國(guó)明

(北京師范大學(xué) 新聞傳播學(xué)院，北京　100875)

算法型推薦日漸成為內(nèi)容分發(fā)領(lǐng)域的主流，把握其實(shí)踐范式，探究其內(nèi)在機(jī)制與局限，找到它未來(lái)健康可持續(xù)發(fā)展路徑是當(dāng)下學(xué)術(shù)研究領(lǐng)域的當(dāng)務(wù)之急。

人類的信息推薦模式迄今為止大體上出現(xiàn)了三個(gè)主要的發(fā)展類型：1.倚重人工編輯的媒體型推薦；2.依托社交鏈傳播的關(guān)系型推薦；3.基于智能算法對(duì)于信息和人匹配的算法型推薦。這三種類型作為信息推薦的主流模式依次出現(xiàn)，各有其特色與擅長(zhǎng)，也有其問(wèn)題與局限。譬如，媒體型倚重人工進(jìn)行信息的專業(yè)化處理和加工，這種推薦模式可以解決社會(huì)的共性需要，把那些對(duì)于全局、對(duì)于所有人具有普遍意義的信息篩選出來(lái)，并以點(diǎn)對(duì)面的方式傳播出去。它的價(jià)值在于解決了“頭部信息”的社會(huì)化推薦。但是它無(wú)暇顧及人的分眾化、個(gè)性化及偶然性、體驗(yàn)性及高場(chǎng)景度的信息需求。尤其是在網(wǎng)絡(luò)崛起之后，在信源變得豐富而多元，渠道及內(nèi)容借助人們的關(guān)系網(wǎng)絡(luò)幾乎無(wú)所不在、無(wú)所不至和無(wú)所不有之后，這種媒體型推薦模式在人們實(shí)際的信息獲知當(dāng)中所占有的比重越來(lái)越低，許多重要信息的傳遞由于無(wú)法有效地“嵌入”日益成為主流的“社會(huì)關(guān)系渠道”而被迫中斷，被稱為“死在社會(huì)傳播的最后一公里”。

于是便出現(xiàn)了依托社交鏈傳播的關(guān)系型推薦模式：你的朋友、你關(guān)注的人幫你推薦、過(guò)濾信息，他們的評(píng)論、轉(zhuǎn)發(fā)形成了一種信息傳播與篩選機(jī)制。社交推薦模式最大的價(jià)值是在人類的傳播史上第一次激活了大眾傳播時(shí)代那些被忽略的極大量的“長(zhǎng)尾信息”，依照人們社會(huì)關(guān)系之所及而采集與篩選信息，形成了對(duì)于信息服務(wù)的“利基市場(chǎng)”，實(shí)現(xiàn)了信息推薦的“千人千面”——不同的人通過(guò)不同的“朋友圈”有了個(gè)性化的信息來(lái)源及其結(jié)構(gòu)。2010年Facebook主頁(yè)訪問(wèn)量超過(guò)Google，可以看作是社交驅(qū)動(dòng)的“關(guān)系型推薦”在全球成為主流的“拐點(diǎn)”，所謂“無(wú)社交不傳播”即是對(duì)關(guān)系型推薦的一種不無(wú)夸張的描述。但是這種社交驅(qū)動(dòng)下的“關(guān)系型信息推薦”的問(wèn)題在于，它無(wú)法解決用戶社交關(guān)系爆炸情況之下的內(nèi)容生產(chǎn)源的爆炸所帶來(lái)的“信息超載”以及基于社交關(guān)系的推薦質(zhì)量不斷降低的問(wèn)題。譬如，經(jīng)驗(yàn)表明，在微信朋友圈中養(yǎng)生、微商、曬娃曬吃類的無(wú)效信息越來(lái)越多，成為一種信息污染和“公害”；而在微博上則是“大V”和營(yíng)銷類賬號(hào)占據(jù)了主體流量——有研究表明，在微博平臺(tái)上，90%以上的內(nèi)容是由3%左右的“大V”生產(chǎn)和推薦的。再加上這些年服務(wù)于利益主體的“水軍”大規(guī)模地崛起，他們?yōu)榱四承┨囟ǖ恼位蚴袌?chǎng)營(yíng)銷目標(biāo)而恣意地“灌水”，嚴(yán)重污染了社交傳播的網(wǎng)絡(luò)空間。概言之，這種由“大V”“水軍” 把控的傳播，使得社交渠道的信息傳播越來(lái)越遠(yuǎn)離人們真實(shí)的社會(huì)實(shí)踐的需要而顯得良莠不齊，甚至烏煙瘴氣，使人不堪其擾。

在此背景下，算法型信息推薦模式便應(yīng)運(yùn)而生，并漸成潮流：現(xiàn)在人們隨便打開一個(gè)網(wǎng)站或資訊app，都會(huì)有“個(gè)性推薦”或“猜你喜歡”之類的欄目，系統(tǒng)會(huì)根據(jù)你的瀏覽、轉(zhuǎn)發(fā)、評(píng)論及閱讀停留的時(shí)長(zhǎng)等記錄和個(gè)性愛好，自動(dòng)為你推薦內(nèi)容。第三方監(jiān)測(cè)機(jī)構(gòu)易觀發(fā)布了一個(gè)具有標(biāo)志意義的數(shù)據(jù)：早在2016年，在資訊信息推薦市場(chǎng)上，算法推送的內(nèi)容已經(jīng)超過(guò)50%。*易觀：《2016中國(guó)第三方支付市場(chǎng)專題研究報(bào)告-Useit知識(shí)庫(kù)》，www.useit.com.cn/thread-13552-1-1.html。它意味著，我們現(xiàn)在接觸到的信息，主要是由“智能算法”為我們搜索和推送的?！八惴ㄐ汀毙畔⑼扑]之所以“流行”，有分析者認(rèn)為是因?yàn)樗惴▽?duì)流量的分配獨(dú)立于社交關(guān)系，不被“大號(hào)”壟斷；算法能夠處理的信息量幾乎沒有上限，能夠更好地激活、適配 “汝之毒藥，我之甘飴”的長(zhǎng)尾信息；算法能夠?qū)τ脩舻纳缃煌扑]機(jī)制進(jìn)行二次過(guò)濾，優(yōu)化推薦結(jié)果?？偟恼f(shuō)，算法型實(shí)現(xiàn)了對(duì)于海量信息價(jià)值的重新評(píng)估和有效適配?！叭曛舅帲抑曙崱币馕吨阌X得不感興趣甚至是垃圾的信息，對(duì)于我可能極有價(jià)值。于是，信息價(jià)值不再有統(tǒng)一的標(biāo)準(zhǔn)，不再有絕對(duì)的高低之分。對(duì)剛生下寶寶的媽媽來(lái)說(shuō)，PM值絕對(duì)比英國(guó)脫歐更重要。對(duì)旅游者來(lái)說(shuō)，當(dāng)?shù)氐奶鞖庑畔⒔^對(duì)比當(dāng)?shù)氐姆績(jī)r(jià)更重要。在算法的驅(qū)動(dòng)下，每個(gè)人都有了自己的頭條，這一點(diǎn)得以實(shí)現(xiàn)。整個(gè)信息世界大一統(tǒng)的秩序被打破。

但是，也正因?yàn)槿绱?，算法型推薦模式站在了風(fēng)口浪尖上。人民日?qǐng)?bào)曾連續(xù)三天撰文從內(nèi)容生產(chǎn)、信息推薦和社會(huì)創(chuàng)新等角度對(duì)于某算法型信息推薦平臺(tái)進(jìn)行了全方位立體式的批判。公允地說(shuō)，這些批判在現(xiàn)實(shí)狀況下不無(wú)道理。比如，在現(xiàn)在的算法還不足夠“聰明”的情況下，用機(jī)器智能去完全替代人的“把關(guān)”，這樣的資訊“守門人”是否可以完全信賴？再比如，算法性信息推薦更多地建立在對(duì)于人們的直接興趣和“無(wú)意注意”的信息需求的挖掘上，它的直接后果是對(duì)于人們必需的那些非直接興趣和需要“有意注意”所關(guān)注的信息的忽略所導(dǎo)致的“信息繭房”問(wèn)題，等等。更為重要的是，不管是算法對(duì)于傳媒業(yè)的重塑，還是算法對(duì)于各類信息的跨界整合，這無(wú)一不使人思考：技術(shù)不僅能夠賦能與賦權(quán)，而且它自身就構(gòu)成為一種權(quán)力的行使和對(duì)于傳統(tǒng)權(quán)力模式的替代。在始自上世紀(jì)90年代初的中國(guó)媒介市場(chǎng)化的進(jìn)程中，“編輯終審權(quán)”是作為一條紅線不容市場(chǎng)侵犯的，而今卻在算法分發(fā)的大趨勢(shì)中毀于無(wú)形。那么，真的是“得算法者得天下”嗎？算法本身又代表了什么？這些已經(jīng)成為未來(lái)社會(huì)和傳媒發(fā)展中亟待研究和認(rèn)識(shí)的重大課題。

一、推薦算法的技術(shù)機(jī)制與邏輯自洽

推薦算法的產(chǎn)生所引發(fā)的是一場(chǎng)內(nèi)容分發(fā)領(lǐng)域的革命，認(rèn)識(shí)和把握它的實(shí)踐范式，探究其內(nèi)在的機(jī)制與局限，找到它未來(lái)健康可持續(xù)發(fā)展路徑是當(dāng)下學(xué)術(shù)研究領(lǐng)域的當(dāng)務(wù)之急。

(一)算法：定義與作為“行動(dòng)者”的演進(jìn)

在數(shù)學(xué)和計(jì)算機(jī)科學(xué)中，算法是指如何解決一類問(wèn)題的明確規(guī)則。算法的概念已經(jīng)存在了幾個(gè)世紀(jì)。隨著計(jì)算機(jī)的發(fā)展和人類社會(huì)的數(shù)據(jù)化，大數(shù)據(jù)運(yùn)用、個(gè)性化、自動(dòng)化成為社會(huì)發(fā)展的主要趨勢(shì)，算法也因此得到廣泛應(yīng)用和發(fā)展。算法重要性的凸顯離不開兩個(gè)關(guān)鍵要素：數(shù)據(jù)和算力。互聯(lián)網(wǎng)的發(fā)展尤其是移動(dòng)互聯(lián)網(wǎng)的爆發(fā)，積累了大量的數(shù)據(jù)，尤其是人們的行為數(shù)據(jù)。物聯(lián)網(wǎng)的發(fā)展也擴(kuò)展了數(shù)據(jù)的數(shù)量和類型。龐大的數(shù)據(jù)量和計(jì)算的復(fù)雜度決定了對(duì)算力資源的需求。計(jì)算芯片的快速迭代和云計(jì)算的發(fā)展起到了非常關(guān)鍵的作用。在信息社會(huì)，算法在政治、經(jīng)濟(jì)和文化領(lǐng)域發(fā)揮著重要作用，日益影響我們的日常生活。

算法在媒體領(lǐng)域同樣扮演著非常重要的角色。在媒介使用方面，人們查找和獲取的信息都經(jīng)過(guò)算法的篩選。這其中最具代表性的是主打“算法分發(fā)”的今日頭條。算法分發(fā)是指在沒有人工編輯干預(yù)的情況下，通過(guò)算法抓取內(nèi)容，并且依據(jù)用戶的行為數(shù)據(jù)，為用戶建模，再將用戶可能喜歡或需要的內(nèi)容推送給他。算法還介入新聞生產(chǎn)領(lǐng)域，機(jī)器人寫作的生產(chǎn)方式日益被互聯(lián)網(wǎng)公司和新聞機(jī)構(gòu)采用。騰訊的“Dream Writer”、今日頭條的“張小明”、新華社的“快筆小新”等受到業(yè)界和學(xué)界廣泛關(guān)注。

從行動(dòng)者網(wǎng)絡(luò)理論(Actor Network Theory)的觀點(diǎn)來(lái)看，算法作為一種技術(shù)，和人一樣都是“行動(dòng)者(actor)”，他們共同構(gòu)成了相互依存的網(wǎng)絡(luò)世界。*姜紅、魯曼：《重塑 “媒介”：行動(dòng)者網(wǎng)絡(luò)中的新聞 “算法”》，《新聞?dòng)浾摺?017年第4期。算法處于動(dòng)態(tài)變化之中，需要不斷調(diào)整和完善以適應(yīng)用戶的需求，Google的搜索算法每年調(diào)整500-600次。人對(duì)算法提供的內(nèi)容作出反饋，產(chǎn)生新的行為數(shù)據(jù)，繼而影響之后算法的決策。因此，算法呈現(xiàn)的媒介內(nèi)容是人和算法不斷互動(dòng)，彼此調(diào)整的結(jié)果。從這個(gè)意義層面上，可以認(rèn)為算法和人共同建構(gòu)了媒介現(xiàn)實(shí)。在信息爆炸的時(shí)代，算法分擔(dān)了人們對(duì)外界信息進(jìn)行認(rèn)知和決策的壓力，也成為了李普曼所說(shuō)的“擬態(tài)環(huán)境”的建構(gòu)者。

(二)推薦算法的類型和運(yùn)作機(jī)制

推薦算法在人們?nèi)粘５拿浇槭褂弥杏兄鴱V泛的應(yīng)用。從電子商務(wù)、社交網(wǎng)站、視頻網(wǎng)站到新聞資訊，都使用了不同形式的推薦算法。個(gè)性化推薦本質(zhì)就是信息篩選，可以說(shuō)是解決“信息過(guò)載”有效方法?！八惴ǚ职l(fā)”這個(gè)概念，其實(shí)體現(xiàn)了互聯(lián)網(wǎng)時(shí)代從“人找信息”到“信息找人”的轉(zhuǎn)變。

1.推薦算法的主要類型

目前主流的推薦算法有：基于內(nèi)容的推薦算法、協(xié)同過(guò)濾推薦算法和混合的推薦算法等。其中協(xié)同過(guò)濾是應(yīng)用最廣的一種。顧名思義，協(xié)同推薦就是大家一起產(chǎn)生的推薦。其中又包括基于用戶的協(xié)同過(guò)濾和基于內(nèi)容的協(xié)同過(guò)濾。基于用戶的協(xié)同過(guò)濾是指在用戶行為中尋找特定的模式，建立相似用戶之間的連接。比如要向A用戶推薦一本書，就找一個(gè)和他相似的B用戶，然后將B用戶喜歡的書推薦給A用戶?；趦?nèi)容的協(xié)同過(guò)濾是向用戶推薦與他過(guò)去喜歡的物品相似的物品。因此，協(xié)同過(guò)濾是基于用戶歷史行為數(shù)據(jù)進(jìn)行推薦。基于內(nèi)容的推薦算法則僅取決于物品或用戶的描述，不包括以往的行為數(shù)據(jù)。混合的推薦算法則結(jié)合了以上兩種方式，來(lái)借助兩種方法的優(yōu)勢(shì)。

表1　常用的推薦算法及其優(yōu)缺點(diǎn)

注：所謂“冷啟動(dòng)”在這里是指某款app或某項(xiàng)服務(wù)的使用者是一位缺乏相關(guān)數(shù)據(jù)的“新用戶”，難以判斷他的屬性、狀態(tài)和需求，因此滿足其需要的相應(yīng)推送就難以啟動(dòng)。

2.推薦算法的運(yùn)作機(jī)制

推薦算法需要獲取用戶數(shù)據(jù)，以及預(yù)測(cè)給定的用戶組對(duì)哪些內(nèi)容感興趣。用戶的數(shù)據(jù)涵蓋多個(gè)方面：用戶的人口統(tǒng)計(jì)學(xué)數(shù)據(jù)(如年齡、職業(yè)等)、用戶的環(huán)境特征(如時(shí)間、地理位置、網(wǎng)絡(luò)情況、天氣情況等)以及用戶的行為數(shù)據(jù)。行為數(shù)據(jù)一般包括兩種，即顯性行為和隱性行為。顯性行為明確表達(dá)了用戶的偏好，例如轉(zhuǎn)發(fā)、保存、評(píng)論等；隱性行為不能直接明確用戶的喜惡，但數(shù)據(jù)量更大，例如點(diǎn)擊和頁(yè)面停留時(shí)間等。在用戶剛開始進(jìn)入時(shí)，數(shù)據(jù)積累較少，這時(shí)候就需要依靠對(duì)內(nèi)容的分析來(lái)將與用戶感興趣的內(nèi)容相似的內(nèi)容推薦給用戶。在一定程度上，推薦算法是在挖掘和建立人與人之間、信息與信息之間以及人與信息之間的關(guān)聯(lián)，將來(lái)還要進(jìn)一步拓展到人與物、物與信息之間的關(guān)聯(lián)。

二、推薦算法對(duì)用戶信息需求的滿足機(jī)制

(一)信息需求模型

信息需求，顧名思義，就是對(duì)信息的需求，其需求主體是用戶。在信息科學(xué)中，信息需求通常被解釋為：1.用戶的使用頻率，偏好信息檢索滿意度實(shí)證研究，是作為需求評(píng)價(jià)來(lái)研究*Kunz, W., Rittel, H. W., & Schwuchow, W.Methods of Analysis and Evaluation of Information Needs：a Critical Review,Verlag Dokumentation,1977.； 2.用戶的一個(gè)需求輸入到信息系統(tǒng)中使其啟動(dòng)或工作，系統(tǒng)輸出一個(gè)基于事實(shí)的反應(yīng)*Mai, J. E. Looking for Information: A Survey of Research on Information Seeking, Needs, and Behavior,Emerald Group Publishing,2016.。但是對(duì)信息流產(chǎn)品來(lái)說(shuō)，信息需求是偏向人類而不是偏向技術(shù)的，“是指人們?cè)趶氖赂鞣N社會(huì)活動(dòng)的過(guò)程中,為解決不同的問(wèn)題所產(chǎn)生的對(duì)信息的需求”*鐘守真：《信息資源管理概論》，南開大學(xué)出版社2000年版,第134頁(yè)。。

美國(guó)信息技術(shù)專家科亨 (Kochen) 把用戶的信息需求狀態(tài)劃分為客觀狀態(tài)、認(rèn)識(shí)狀態(tài)和表達(dá)狀態(tài)。*徐嬌揚(yáng)：《論用戶信息需求的表達(dá)》，《圖書館論壇》2009年第1期。他認(rèn)為，信息需求的客觀狀態(tài)由用戶所進(jìn)行的職業(yè)或活動(dòng),以及其所處的社會(huì)環(huán)境和知識(shí)結(jié)構(gòu)等客觀因素決定,不以用戶的主觀意志為轉(zhuǎn)移；而信息需求的認(rèn)識(shí)狀態(tài)則指用戶能夠清楚認(rèn)識(shí)到自己已有的對(duì)客觀信息的需求，雖然由于主客觀原因，存在著用戶可能只能認(rèn)識(shí)一部分或者全都無(wú)法認(rèn)識(shí)，甚至于錯(cuò)誤認(rèn)知的情況；信息需求的表達(dá)狀態(tài)是指用戶通過(guò)信息活動(dòng)，如信息瀏覽、信息傳播、信息訂閱等，特別是與信息服務(wù)系統(tǒng)的交往和互動(dòng),明確、清晰地表達(dá)出自己的需求。

圖1　用戶信息需求的狀態(tài)描述

(二)用戶需求的滿足機(jī)制

信息流產(chǎn)品中，不論是有著何種需求的用戶，他們對(duì)于信息服務(wù)或者說(shuō)推薦算法的基本要求都是相似的，他們始終渴望著這些產(chǎn)品可以及時(shí)反饋?zhàn)约旱男枨?，并且能夠充分、全面地滿足它，甚至在某些情況下可以為自己開發(fā)出潛在的或者全新的需求，真正實(shí)現(xiàn)他們對(duì)于信息流產(chǎn)品的個(gè)性化、精準(zhǔn)性、及時(shí)性和充分性的終極需要。事實(shí)上，對(duì)于推薦算法來(lái)說(shuō)，要實(shí)現(xiàn)這些目標(biāo)，就是推動(dòng)信息需求模型中的客觀狀態(tài)(S1)和認(rèn)識(shí)狀態(tài)(S2)向表達(dá)狀態(tài)(S3)移動(dòng)，其核心任務(wù)就是完成精細(xì)的用戶畫像，其中包括用戶基本的社會(huì)人口統(tǒng)計(jì)學(xué)信息、社交信息、行為信息以及其生活工作的環(huán)境信息等多個(gè)維度，具體來(lái)說(shuō)推薦算法對(duì)用戶信息的滿足體現(xiàn)在以下幾個(gè)方面：

1.利用集體的結(jié)構(gòu)性智慧

集體的結(jié)構(gòu)性智慧是Web2.0的核心價(jià)值觀，其中最具代表性的案例就是維基百科。其含義通常是指：為了創(chuàng)造新的想法，將一群人的行為、偏好或思想按照某種規(guī)則組合在一起。在互聯(lián)網(wǎng)時(shí)代之前，人們?yōu)榱藦谋舜藳]有關(guān)系的一大群人之中搜集和分析數(shù)據(jù)，經(jīng)常采用調(diào)查問(wèn)卷或者普查的方法。而到了Web2.0時(shí)代，依托于互聯(lián)網(wǎng)，可以更大范圍地從人群的行為數(shù)據(jù)中搜集信息，發(fā)現(xiàn)人群的集中趨勢(shì)(共性)及其變化。

推薦算法中常用的協(xié)同過(guò)濾就是利用集體的結(jié)構(gòu)性智慧的典型方法。這種方法認(rèn)為，海量的人群中，一些群體是相似的，用戶可能會(huì)喜歡和他相似的人喜歡的信息，也可能會(huì)討厭和他相似的人所討厭的信息。這種方式類似于營(yíng)銷中的市場(chǎng)細(xì)分。人群具有很多特征，如年齡、地域、職業(yè)、興趣等，根據(jù)人群不同維度，可以將人群細(xì)分到一個(gè)合理的層次。這個(gè)層次的人群既不要太多，也不要太少，因?yàn)樘嗔藳]有個(gè)性化，太少了又沒有統(tǒng)計(jì)意義。舉例來(lái)說(shuō)，如果A喜歡科技類、軍事類資訊，B喜歡科技類、軍事類、生活類資訊，統(tǒng)計(jì)發(fā)現(xiàn)A和B相似度高，那么算法就會(huì)認(rèn)為A在很大程度上也會(huì)喜歡生活類資訊，就可以把生活類資訊推薦給A。這種方法具有推薦新信息的能力，往往會(huì)給用戶帶來(lái)“意外之喜”，這樣未被認(rèn)識(shí)和表達(dá)的需求就能夠在集體的結(jié)構(gòu)性智慧中得到滿足。

2.挖掘用戶的社會(huì)屬性

信息流產(chǎn)品經(jīng)常面臨冷啟動(dòng)的問(wèn)題，即在用戶剛開始使用產(chǎn)品時(shí)，行為數(shù)據(jù)積累較少，向用戶推薦信息的難度較大。社會(huì)化推薦方法應(yīng)運(yùn)而生。這種方法主要依據(jù)用戶之間的社會(huì)關(guān)系構(gòu)建社會(huì)化網(wǎng)絡(luò)，將新用戶和網(wǎng)絡(luò)中原有用戶關(guān)聯(lián)起來(lái)，依據(jù)原有用戶的興趣模型對(duì)新用戶推薦信息。一般認(rèn)為，個(gè)體的興趣和偏好往往受到社會(huì)關(guān)系中其他成員的影響，社會(huì)成員之間也會(huì)進(jìn)行互相推薦。因此，一個(gè)人感興趣的信息，往往他身邊的朋友也會(huì)感興趣。以今日頭條為例，用戶最開始注冊(cè)賬號(hào)時(shí)，今日頭條會(huì)建議用戶用微博帳號(hào)注冊(cè)登錄，這樣就可以得到用戶的微博信息，包括用戶資料、關(guān)注關(guān)系、發(fā)布的微博等等，這些數(shù)據(jù)都可以成為算法對(duì)用戶進(jìn)行信息推薦的依據(jù)。

研究顯示，與家庭成員相比, 朋友會(huì)對(duì)人的行為和發(fā)展產(chǎn)生更深遠(yuǎn)的影響，朋友間的信任關(guān)系對(duì)提高推薦系統(tǒng)的性能有非常重要的作用。*Sinha, R. R., & Swearingen, K.“Comparing Recommendations Made by Online Systems and Friends”，in DELOS Workshop:Personalisation and Recommender Systems in Digital Libraries,Vol. 106(2001,June).因此，將社交關(guān)系融入推薦系統(tǒng)之中可以為用戶提供更精確的信息，使信息推薦更符合人類生活的社會(huì)化特征，以此主要來(lái)解決模型中被認(rèn)識(shí)卻未被表達(dá)的信息需求。

3.挖掘信息間的關(guān)聯(lián)

目前，推薦算法是解決信息超載問(wèn)題最有效的工具之一。*Li, L., Zheng, L., Yang, F., & Li, T.“Modeling and Broadening Temporal User Interest in Personalized News Recommendation”，in Expert Systems with Applications,41(7),2014,pp.3168-3177.推薦算法作為一種有效的信息過(guò)濾技術(shù)，除了通過(guò)獲取用戶的興趣偏好信息從而有針對(duì)地向用戶推薦可能感興趣的內(nèi)容外，還有效建立了信息與信息之間的二元關(guān)聯(lián)規(guī)則。關(guān)聯(lián)即指兩個(gè)不相交的非空集合中，如果X→Y，就說(shuō)X→Y是一條關(guān)聯(lián)規(guī)則，可以分為時(shí)間關(guān)聯(lián)和空間關(guān)聯(lián)兩種。這種關(guān)聯(lián)主要是通過(guò)收集用戶在一次記錄中，如一次搜索行為、一條內(nèi)容信息等，兩類項(xiàng)目同時(shí)出現(xiàn)的次數(shù)、頻率甚至是周期，來(lái)挖掘產(chǎn)品與產(chǎn)品之間的相似度與關(guān)聯(lián)度，從而做出推薦。通過(guò)這種方式，推薦算法可以對(duì)用戶認(rèn)識(shí)有誤、表達(dá)亦有誤的需求加以修正，進(jìn)一步挖掘用戶的潛在需求，提高了用戶對(duì)于信息產(chǎn)品的認(rèn)知，可以幫助其做出更好的信息選擇。例如“搜索了防脫發(fā)產(chǎn)品的20-30歲年齡段用戶可能會(huì)需要咖啡”就是一條關(guān)聯(lián)規(guī)則，基于這條規(guī)則，將兩種產(chǎn)品進(jìn)行關(guān)聯(lián)式推薦可能會(huì)更加符合用戶的購(gòu)買需求。

通過(guò)挖掘信息間的關(guān)聯(lián)規(guī)則，推薦算法也可以計(jì)算并根據(jù)產(chǎn)品間的相似度和用戶對(duì)該產(chǎn)品的已有評(píng)分，來(lái)預(yù)測(cè)用戶對(duì)未被評(píng)分的新產(chǎn)品的喜好程度并做出推薦，這對(duì)沒有任何行為的新用戶以及沒有形成聚類的新產(chǎn)品來(lái)說(shuō)，可以有效解決冷啟動(dòng)問(wèn)題。

4.追蹤和預(yù)測(cè)用戶行為

如今，基于算法的精準(zhǔn)化推送已經(jīng)成為信息流產(chǎn)品分發(fā)的重要形式，“基于個(gè)人喜好的推送”應(yīng)運(yùn)而生。在新媒體技術(shù)的條件下，各種互聯(lián)網(wǎng)平臺(tái)都設(shè)置和增加了推送功能。經(jīng)常網(wǎng)上購(gòu)物的人已經(jīng)習(xí)慣了收到系統(tǒng)為他們做出的個(gè)性化推薦，視頻網(wǎng)站會(huì)推薦你可能會(huì)喜歡看的視頻，而音樂(lè)軟件會(huì)通過(guò)我們的聽歌風(fēng)格來(lái)預(yù)測(cè)我們想要聽什么歌曲從而生成專屬的音樂(lè)流。所有這些推薦都來(lái)自于推薦算法進(jìn)行計(jì)算分析的結(jié)果。

推薦算法實(shí)現(xiàn)了從“人找信息”到“信息找人”的轉(zhuǎn)變。它立足于用戶個(gè)體的特殊性，通過(guò)用戶的信息行為偏好、搜索歷史、社交網(wǎng)絡(luò)賬號(hào)、 IP 地址等興趣圖譜和信息消費(fèi)習(xí)慣，形成了用戶專屬的信息模型，并通過(guò)深度數(shù)據(jù)挖掘，智能計(jì)算用戶興趣意圖并預(yù)測(cè)行為，為其推薦個(gè)性化關(guān)聯(lián)產(chǎn)品。它根據(jù)對(duì)用戶行為的追蹤和預(yù)測(cè)，以同類信息聚合發(fā)送的方式自動(dòng)為其生成符合需求的信息，可以在海量的數(shù)據(jù)中幫助用戶快速找到其可能需要的內(nèi)容并進(jìn)行精準(zhǔn)推薦，有利于節(jié)省用戶時(shí)間，很大程度上減少了信息過(guò)載帶來(lái)的困擾。這種追蹤和預(yù)測(cè)也能夠幫助用戶喚醒他們表達(dá)出來(lái)但是沒有意識(shí)到的需求。

三、推薦算法的進(jìn)一步發(fā)展：技術(shù)迭代的重點(diǎn)與走向

在如何更好滿足用戶信息需求上，推薦算法的最終目的是增強(qiáng)面向個(gè)體的推薦效果，讓“信息找人”更加精準(zhǔn)，使用戶的客觀信息需求被盡可能完整認(rèn)知并正確表達(dá)出來(lái)，實(shí)現(xiàn)用戶需求的客觀狀態(tài)、認(rèn)識(shí)狀態(tài)和表達(dá)狀態(tài)的親密耦合。但就推薦算法的發(fā)展?fàn)顩r來(lái)看，仍面臨著很多的挑戰(zhàn)，例如相關(guān)數(shù)據(jù)的稀缺、分割和冷啟動(dòng)問(wèn)題成為制約推薦算法精準(zhǔn)到達(dá)的技術(shù)及社會(huì)性的障礙，推薦算法在信息推送時(shí)面臨著多樣性和精確性的兩難挑戰(zhàn)，其對(duì)于用戶信息認(rèn)知框架的閉環(huán)影響和其本身的權(quán)力如何與社會(huì)傳統(tǒng)權(quán)力之間的妥協(xié)問(wèn)題等等。

在信息超載問(wèn)題日益嚴(yán)重的今天，運(yùn)用智能技術(shù)幫助用戶識(shí)別、理解信息正日漸成為一種不可阻擋的趨勢(shì)，但現(xiàn)階段的推薦算法還遠(yuǎn)遠(yuǎn)未精準(zhǔn)到可以完全滿足用戶認(rèn)知和行為需求的程度。作為一個(gè)發(fā)展前景廣闊的研究領(lǐng)域，推薦算法的未來(lái)發(fā)展必須依靠自身技術(shù)、市場(chǎng)模式、信息生產(chǎn)監(jiān)管制度三者共同進(jìn)步，才能重新展現(xiàn)面向個(gè)體的多樣性和精確性，更好地把握用戶的信息需求，實(shí)現(xiàn)精準(zhǔn)推薦。對(duì)于算法的生產(chǎn)者和內(nèi)容的提供者來(lái)說(shuō)，可以通過(guò)產(chǎn)品創(chuàng)新、內(nèi)容優(yōu)化、在技術(shù)層面提供隱私服務(wù)等“自我組織”的方式適應(yīng)市場(chǎng)，同時(shí)在道德層面上為用戶提供更大的透明度、更多的自主性，加大對(duì)用戶隱私的保護(hù)。但是由于市場(chǎng)機(jī)制可能會(huì)帶來(lái)“透明度困境”，因此政府的干預(yù)和調(diào)節(jié)也必不可少。但對(duì)于現(xiàn)階段推薦算法來(lái)說(shuō)，最重要的是自身技術(shù)的進(jìn)化，體現(xiàn)在以下幾個(gè)方面：

(一)構(gòu)建基于多層聚類和多維數(shù)據(jù)交叉分析的個(gè)性化推薦算法

聚類是將具有相似屬性的數(shù)據(jù)聚集，使具備一定相似性的數(shù)據(jù)實(shí)例組織成一些相似組，推薦算法只有在這些相似度高的用戶分組基礎(chǔ)之上才能完成高效的物品推薦。*Gong, S. “A Collaborative Filtering Recommendation Algorithm Based on User Clustering and Item Clustering”，in JSW, 5(7), 2010，pp.745-752.聚類方式出于不同的維度可做不同劃分，一般將其分為用戶聚類和項(xiàng)目聚類等。用戶聚類是指根據(jù)用戶對(duì)某產(chǎn)品的中心相似度找到目標(biāo)用戶的相似用戶群，對(duì)其行為做出預(yù)測(cè)與分析；而項(xiàng)目聚類則指尋求對(duì)幾個(gè)產(chǎn)品(項(xiàng)目)進(jìn)行聚類，尋求產(chǎn)品對(duì)象之間的相似性，對(duì)產(chǎn)品間的相似性及可能的用戶群進(jìn)行分析。*翁小蘭、莊永龍：《基于項(xiàng)目特征聚類的協(xié)同過(guò)濾推薦算法》，《計(jì)算機(jī)應(yīng)用與軟件》2009年第7期。

傳統(tǒng)推薦算法在實(shí)際應(yīng)用場(chǎng)景中往往存在單層次信息獲取導(dǎo)致數(shù)據(jù)稀疏和精確性缺失的問(wèn)題。因此，在對(duì)用戶行為進(jìn)行分析時(shí)，將用戶聚類和項(xiàng)目聚類相結(jié)合進(jìn)行立體式的過(guò)濾推薦，可以有效提高推薦的準(zhǔn)確性。這是因?yàn)橛脩襞c用戶以及用戶和行為選擇之間并不是孤立存在的，而是處于一種“交疊關(guān)系”*劉建國(guó)、周濤、汪秉宏：《個(gè)性化推薦系統(tǒng)的研究進(jìn)展》，《自然科學(xué)進(jìn)展》2009年第1期。，身處某一場(chǎng)景的每個(gè)用戶都同時(shí)存在于其他數(shù)個(gè)場(chǎng)景之中，其身份和行為也在不斷變化。只有將用戶在信息流產(chǎn)品中分散的行為數(shù)據(jù)收集、整合起來(lái)，在考慮到時(shí)間、空間、任務(wù)等因素的同時(shí)，基于多層聚類和多維數(shù)據(jù)進(jìn)行交叉分析，尋找用戶行為以及項(xiàng)目類屬之間的中心相似度，才能為用戶推送更加精準(zhǔn)和個(gè)性化的信息。

(二)建構(gòu)基于多層語(yǔ)義的混合推薦算法

對(duì)于傳統(tǒng)推薦算法在多樣性和精準(zhǔn)性上的失衡導(dǎo)致推薦結(jié)果過(guò)于集中或精確性低等問(wèn)題，還可以利用語(yǔ)義網(wǎng)絡(luò)中的語(yǔ)義推理技術(shù)，通過(guò)推理物品間的語(yǔ)義關(guān)系、文本中上下文間的關(guān)系等建立新的聯(lián)系，從而增強(qiáng)推薦能力。*黃震華、張佳雯、張波、喻劍、向陽(yáng)、黃德雙：《語(yǔ)義推薦算法研究綜述》，《電子學(xué)報(bào)》2016年第9期。算法可以通過(guò)收集標(biāo)有語(yǔ)義注釋物品的反饋信息，包括對(duì)某物品“本意(物品生產(chǎn)商提供的物品描述信息)”“表意(在使用中被用戶所表達(dá)和認(rèn)知的含義)”“相關(guān)意(二者間的相關(guān)邏輯)”的反饋以及基于關(guān)聯(lián)規(guī)則的候選物品的挖掘，獲取用戶與物品、物品與物品之間較深層次的關(guān)系，來(lái)表示用戶對(duì)物品的偏好程度和物品之間的關(guān)聯(lián)程度?，F(xiàn)階段的推薦算法已經(jīng)可以做到初級(jí)關(guān)聯(lián)的識(shí)別，例如在搜索某音樂(lè)時(shí)，現(xiàn)有的推薦算法可以向用戶提供該首樂(lè)曲以及該樂(lè)曲作者的其他作品、同風(fēng)格的作品等，而在下一階段的算法學(xué)習(xí)中，算法將會(huì)對(duì)該音樂(lè)進(jìn)行多層語(yǔ)義的標(biāo)簽分析，諸如該音樂(lè)的文體起源、衍生形式、典型樂(lè)器等，同時(shí)對(duì)用戶獲取其他音樂(lè)的行為進(jìn)行多維度分析，以推測(cè)該用戶搜索某歌曲是為了滿足何種需求、獲取何種信息，從而更有針對(duì)性地提供推薦服務(wù)。

(三)形成基于人機(jī)交互的“自適應(yīng)”改進(jìn)機(jī)制

目前的推薦算法系統(tǒng)與用戶之間更多體現(xiàn)為一種單向互動(dòng)。而用戶在信息流產(chǎn)品中的認(rèn)知和行為需求是一個(gè)不斷變化的過(guò)程，未來(lái)的推薦算法應(yīng)該意識(shí)到用戶對(duì)系統(tǒng)的實(shí)時(shí)反饋的重要性，設(shè)計(jì)一種合理的人機(jī)交互策略，在用戶提供反饋的過(guò)程中不斷做出修正和更改。*黃震華、張佳雯、張波、喻劍、向陽(yáng)、黃德雙：《語(yǔ)義推薦算法研究綜述》，《電子學(xué)報(bào)》2016年第9期。推薦算法應(yīng)為用戶建立動(dòng)態(tài)興趣模型，同時(shí)提高推薦系統(tǒng)的實(shí)時(shí)性，在對(duì)用戶需求進(jìn)行及時(shí)記錄和調(diào)整的同時(shí)，讓用戶參與到推薦結(jié)果的反饋中去，根據(jù)反饋進(jìn)行自適應(yīng)改進(jìn)。

(四)數(shù)據(jù)凈化，去除無(wú)意義噪音

在傳統(tǒng)推薦算法對(duì)用戶信息進(jìn)行追蹤和記錄時(shí)，不可避免地存在大量噪音和無(wú)意義數(shù)據(jù)，這些噪音會(huì)對(duì)精準(zhǔn)推薦帶來(lái)極大干擾。未來(lái)的推薦算法應(yīng)該在技術(shù)上采取加入控制參數(shù)等方法對(duì)用戶信息進(jìn)行選擇性的記錄，以去除用戶無(wú)意義或失誤性的信息行為，從而提高推薦結(jié)果的準(zhǔn)確度。

四、結(jié)語(yǔ)

在信息流產(chǎn)品中，推薦算法正在打造其獨(dú)特的需求滿足機(jī)制以實(shí)現(xiàn)自身的發(fā)展和完善。用戶的需求是多層且易變的，如何更為精準(zhǔn)地把握和預(yù)測(cè)，將是推薦算法需要繼續(xù)解決的問(wèn)題。就如同人們擔(dān)憂，在未來(lái)機(jī)器是不是會(huì)取代人的價(jià)值，人們對(duì)于算法的擔(dān)憂也是一直存在的，我們不能忽略推薦算法本身所帶來(lái)的倫理道德等問(wèn)題，但是，我們更應(yīng)該清楚，技術(shù)和人類的發(fā)展不是相克的，而是一種協(xié)同共生關(guān)系。人們需要意識(shí)到算法的存在，了解其運(yùn)作的方式，以更好地把握它、利用它，而不是被技術(shù)主導(dǎo)。未來(lái)社會(huì)的發(fā)展，不僅要建立在技術(shù)進(jìn)步的基礎(chǔ)上，而更應(yīng)該是以技術(shù)與人類的相互理解為前提，實(shí)現(xiàn)人類智慧與機(jī)器智慧的互動(dòng)。

最后特別想引用蘋果公司的CEO庫(kù)克在烏鎮(zhèn)中國(guó)互聯(lián)網(wǎng)大會(huì)上所說(shuō)的一句話：“很多人都在談AI，我并不擔(dān)心機(jī)器人會(huì)像人一樣思考，我擔(dān)心的是人像機(jī)器一樣思考！”*https://baijiahao.baidu.com/s?id=1585741143201033766&wfr=spider&for=pc.這句堪稱振聾發(fā)聵的警世格言非常值得正在人工智能+領(lǐng)域行進(jìn)中的人們好好記取。