何順民，曹文泉

?

網(wǎng)購平臺個性化推薦算法的倫理困境及規(guī)制——以移動電商“淘寶”為例

何順民，曹文泉

（淮陰師范學院 傳媒學院，江蘇 淮安 223300）

個性化推薦算法在網(wǎng)購平臺中的運用，一定程度上解決了海量商品信息與用戶個性化需求之間的矛盾，并為精準營銷帶來了可能，但其在運用的過程中也引發(fā)了一些倫理問題，如：內容同質化、用戶隱私泄露以及“圓形監(jiān)獄”等。針對個性化推薦算法引發(fā)的倫理問題，需要從政府和行業(yè)層面重構網(wǎng)購平臺個性化推薦算法的倫理。

算法；倫理；網(wǎng)購平臺；個性化推薦

信息爆炸時代，用戶獲取信息的成本不斷增加，“個性化”推薦技術的應用滿足了受眾多樣化需求。目前，該技術已在電商平臺、視頻網(wǎng)站、新聞客戶端、音樂網(wǎng)站等多領域廣泛應用。技術的不斷發(fā)展使受眾從紛雜信息中解放的同時，也帶來了一系列問題，如推薦內容同質化、用戶隱私泄露以及“圓形監(jiān)獄”的出現(xiàn)等。

截止2018年6月，我國網(wǎng)民規(guī)模為8.02億，手機網(wǎng)民規(guī)模達7.88億，網(wǎng)絡購物用戶規(guī)模達到5.69億，其中手機網(wǎng)絡購物用戶規(guī)模達到 5.57 億，網(wǎng)絡購物已成為我國網(wǎng)民使用比例較高的應用。[1]在2018年的“雙十一購物狂歡節(jié)”，星圖數(shù)據(jù)監(jiān)測到，全網(wǎng)在“雙十一”當天的成交額為3 143.2億元，其中移動端消費占比93.6%，絕大多數(shù)消費者更愛用手機下單?！疤詫毺熵垺备且? 135億元的成交額占據(jù)總成交額的67.9%①，遙遙領先京東、蘇寧、亞馬遜等其他平臺。

進入平臺，用戶根據(jù)自己的購買意圖鍵入關鍵詞查找所需商品。雖然可按銷量、價格對商品進行排序，或通過篩選品牌或發(fā)貨地等來縮小選擇范圍，但各大平臺提供的商品不計其數(shù)，面對琳瑯滿目的商品，用戶還是難以選擇。而個性化推薦算法的應用，提高了用戶獲取信息的效率，能夠讓用戶迅速找到滿意的商品，但同時也帶來了一些風險。本文將以“淘寶”②為例，探討網(wǎng)購平臺個性化推薦算法的主要機制及其帶來的倫理問題和負面影響，并提出一些規(guī)制措施以完善網(wǎng)購平臺服務機制，保障用戶權益，提升用戶體驗。

一、網(wǎng)購平臺個性化推薦算法的主要機制

網(wǎng)購平臺中商品不計其數(shù)，用戶的特點與偏好各不相同，要實現(xiàn)精準營銷，必須展現(xiàn)符合他們個性化需求的商品。個性化推薦算法的運用，便對用戶做出了具有針對性的排序推薦。

網(wǎng)購平臺最常用的經(jīng)典個性化推薦算法有協(xié)同過濾（Collaborative Filtering）、基于關聯(lián)規(guī)則的推薦（Associate Rule-based）、基于內容/知識的推薦（Content-based/Knowledge-based）和混合推薦（Hybrid Recommendation）。[2]

（一）協(xié)同過濾

協(xié)同過濾的思想來源是人們在現(xiàn)實生活中會相互推薦自己喜歡的東西，它可以分為基于記憶的協(xié)同過濾（Memory-based）和基于模型的協(xié)同過濾（Model-based）。[3]

1. 基于記憶的協(xié)同過濾

基于記憶的協(xié)同過濾主要有兩種方法：基于用戶的協(xié)同過濾（User-based CF）和基于項目的協(xié)同過濾（Item-based CF），它們是推薦系統(tǒng)領域最經(jīng)典的推薦算法。

基于用戶的協(xié)同過濾先使用User-based CF的相似度，找出k個與目標用戶相似的用戶，再根據(jù)預測模型對相似用戶喜歡的物品進行評分，然后過濾掉目標用戶已經(jīng)消費過的物品，最后將剩余物品按照預測評分排序，選取評分最高的前個物品進行推薦。假設現(xiàn)在有甲、乙、丙三位用戶，甲喜歡商品A、B、C，乙喜歡商品D，丙喜歡商品B、C，那么User-based CF會覺得甲和丙兩位的用戶喜好比較相似，然后將商品A推薦給用戶丙，也就是說兩個相似的人，其中一個人喜歡的東西另外一位也可能喜歡。

基于項目的協(xié)同過濾是業(yè)界應用最廣的推薦算法之一，它通過計算項目間兩兩的相似性，然后目標用戶對某個項目的評分可以根據(jù)其對相似項目的評分來預測，之后再對預測評分進行排序，選取評分最高的前個商品進行推薦。也就是說，與用戶喜歡的商品相似的產(chǎn)品他可能也會喜歡。

2. 基于模型的協(xié)同過濾

基于模型的協(xié)同過濾這種方法的主要思想是利用用戶對項目的評分來構造一個評分預測模型，其中使用了多種機器學習和數(shù)據(jù)挖掘的計算模型，然后通過該模型實現(xiàn)對未知評分的預測。常用模型有貝葉斯網(wǎng)絡、聚類算法、降維的技術、圖模型和回歸模型等。[4]

（二）基于關聯(lián)規(guī)則的推薦

早在20世紀90年代，美國沃爾瑪超市的管理人員在分析銷售數(shù)據(jù)時發(fā)現(xiàn)，啤酒與尿布這兩件看上去毫無關系的商品會經(jīng)常出現(xiàn)在同一個購物籃中，經(jīng)過后續(xù)的調查他們了解到，這種情況發(fā)生在年輕的父親身上——因為孩子的母親通常要在家照顧孩子，所以她們會經(jīng)常囑咐丈夫在下班路上為孩子買尿布，而丈夫在購買尿布的時候又會順手購買自己愛喝的啤酒。正是因為發(fā)現(xiàn)了尿布和啤酒這兩種商品之間獨特的關聯(lián)，于是沃爾瑪在賣場中嘗試將啤酒與尿布擺放在相同區(qū)域，這一舉措給他們帶來了良好的銷售收入。

這個故事體現(xiàn)了大數(shù)據(jù)思維的重要性。此后，人們便開始通過分析購物籃中的商品集合，找到商品之間關聯(lián)關系的關聯(lián)算法，根據(jù)商品之間的關系，找出顧客的購買行為，于是就產(chǎn)生了基于關聯(lián)規(guī)則的推薦算法。這種算法是將交易數(shù)據(jù)集合中滿足支持度閾值和置信度閾值③的規(guī)則挖掘出來，根據(jù)挖掘出來的關聯(lián)規(guī)則，為用戶推薦與其喜歡的商品相關聯(lián)的商品。[5]

其在網(wǎng)購平臺中的體現(xiàn)便是“打包推薦”。比如當我們在“手機淘寶”APP中點開一個鍋的商品鏈接，在我看完它的商品詳情界面后，后面“看了又看”版塊里還會出現(xiàn)飯盒、蒸蛋器、榨汁機等商品，在其之后的“精選好貨”版塊里面還有出現(xiàn)吹風機、熱水壺、電磁爐、數(shù)據(jù)線等商品，然后整個頁面才結束。

（三）基于內容/知識的推薦

基于內容/知識的推薦算法是根據(jù)歷史信息（如評價、分享、收藏的文檔）構造用戶偏好文檔，計算推薦項目與用戶偏好文檔的相似度，將最相似的項目推薦給用戶。[6]算法根據(jù)用戶瀏覽記錄、商品評價、購物車或收藏夾中寶貝等，推斷用戶需求和愛好，向用戶推薦相關商品。我們在平常使用中就可以察覺到這樣的規(guī)則，比如我們在淘寶瀏覽完一些商品后關閉平臺，當我們再次打開時就會發(fā)現(xiàn)，首頁的“淘寶頭條”向我們呈現(xiàn)的都是與之前瀏覽過的商品相類似的商品。

（四）混合推薦

混合推薦是通過加權（Weighted）、變換（Switching）、混合（Mixed）、特征組合（Feature Combination）和層疊（Cascade）等方式將多個算法技術融合計算和推薦，彌補單一算法的缺陷，從而獲得更優(yōu)的推薦效果。[7]

此外，網(wǎng)購平臺個性化推薦算法的最新研究還有學習排序（Learning to Rank）、頁面整體優(yōu)化（Page Optimization）、情景推薦：張量分解（Factorization Machine）和深度學習（Deep Learning）等。個性化推薦算法的技術在不斷發(fā)展，推薦形式也在不斷豐富。

縱觀以上各種推薦算法，我們不難發(fā)現(xiàn)，網(wǎng)購平臺的個性化推薦算法是基于用戶數(shù)據(jù)的推薦算法。無論哪種算法，都是先對一定的數(shù)據(jù)進行挖掘、分析，然后再向用戶進行商品推薦。所以，用戶數(shù)據(jù)對于網(wǎng)購平臺及其算法來說，至關重要。

二、網(wǎng)購平臺個性化推薦算法產(chǎn)生的倫理問題及負面影響

（一）競價排名一定程度上為惡意打擊報復提供了機會

“淘寶直通車”是淘寶為商家實現(xiàn)精準營銷而推出的一種按點擊付費的效果營銷工具。賣家根據(jù)所要推廣的商品的特性，選擇一系列關鍵詞并設定相應的競拍價格。當用戶鍵入關鍵詞后，前排“廣告位”則會按商家的競拍價格從高到低排列商品，用戶點擊進入商品界面后，商家便要為此次點擊支付相應的競拍價格。從2014年6月4日起，“淘寶直通車”還融入了個性化推薦，即當不同的用戶搜索同一關鍵詞時，搜索結果會根據(jù)用戶的年齡、性別、購買力、購物車內商品、收藏商品等的不同，將商品進行個性化展示投放。

淘寶直通車的廣告商品，以搜索頁面中商品圖片左上方帶有“HOT”字樣為標志。這種競價排名的推薦算法給一些賣家或消費者提供了打擊報復的機會——可以故意點擊直通車產(chǎn)品，消耗廣告費用。在2011年“10.11事件”④中，許多中小賣家召集大量網(wǎng)友，點擊淘寶商城大賣家的直通車產(chǎn)品，無端消耗廣告費用，還大量下單、惡意差評并故意舉報其賣假貨，給很多淘寶商城大賣家造成了巨大的損失。

（二）算法排序機制導致虛假交易盛行，嚴重誤導消費者

淘寶的搜索排名與商品的銷量和評價有著很大的關系，于是很多商家為了獲得較好的搜索排名，雇傭刷手“刷單”以提升店鋪信譽和商品銷量，從而提升排名。2016年，央視在“3·15”晚會上曝光了淘寶的刷單產(chǎn)業(yè)鏈。近兩年來，淘寶也采取了一系列措施嚴厲打擊“刷單”行為。阿里的科學家一直致力利用大數(shù)據(jù)，采用機器學習、深度學習、大規(guī)模圖搜索和實時計算來解決反作弊問題，對于雇傭刷手“刷單”的店鋪毫不留情，降權、扣分、刪除信譽，甚至封店。對參與“刷單”交易的淘寶賬號采取凍結淘寶賬號、降低芝麻信用評分、關閉“花唄”功能、取消“極速退款”特權等措施。

但是“上有政策，下有對策”，“刷單”這一現(xiàn)象并沒有杜絕，依然有很多賣家鋌而走險，雇傭刷手進行“刷單”操作。只不過現(xiàn)在的“刷單”操作越來越“逼真”：店家會要求刷手“貨比三家”，對刷手瀏覽商品的時間也做了規(guī)定，而且要求同一刷手必須時隔至少一個月才能為同一家店鋪繼續(xù)“刷單”，這一系列的對策讓交易真假難辨?！疤詫毸⒌匿N量排名、信用排名等評價體系，是消費者選擇商品的決策依據(jù)之一，‘刷單’會對消費者產(chǎn)生嚴重誤導。”[8]

（三）算法帶來信息窄化，用戶信息選擇權遭受侵犯

皮尤研究中心一項針對美國成年人的調查顯示，隨著算法的普及，公眾正開始對“客觀的”算法產(chǎn)生懷疑。在關于接受度的調查中，68%的人認為利用算法進行個人消費信用評分不可接受。[9]在線數(shù)據(jù)有時候并不能準確反映一個人的真實情況，而根據(jù)用戶的搜索及瀏覽記錄、訂單信息、設備信息等，提取用戶偏好和行為習慣等特征，并基于此對用戶進行畫像，對其即將接收到的信息進行篩選后推送，這在一定程度上侵犯了用戶自身對信息進行選擇的權利。

當用戶點擊某種商品時，算法便默認用戶對這件商品感興趣，并不斷地向其推薦類似的商品，于是用戶的點擊量便會增加，當點擊量增加時，算法系統(tǒng)將會繼續(xù)推薦，形成一種“死循環(huán)”。而用戶的喜好并不是一成不變的，這種將候選項限定在與歷史興趣相似范圍內的推薦算法限制了嘗試推薦給用戶未曾購買但是可能感興趣的商品，反而降低了用戶體驗。當用戶厭倦了某一風格想嘗試不同風格的時候，會發(fā)現(xiàn)算法給他們推薦的商品都是與以往購買過的產(chǎn)品相同或相似風格的，這便會給他們帶來困擾，用戶的信息選擇權遭到了侵犯。雖然算法通過機器學習可以不斷提高個性化推薦的精準度，但它依然無法突破匹配給定的上限。于是用戶需要不斷地更改搜索關鍵詞，從大量的商品中尋找符合自己期待的商品，時間成本相應地也大大提高。

（四）算法推薦過程被關入“黑箱”，用戶陷入“圓形監(jiān)獄”

“黑箱”是控制論中的一個概念，指人們所不知的區(qū)域或系統(tǒng)。對用戶而言，網(wǎng)購平臺的推薦算法就被關入了“黑箱”。“隨著算法越來越復雜，在無監(jiān)督計算的后期，可能即便是程序員本身也無法了解機器對于數(shù)據(jù)到底做了什么，而這樣的過程又可能是帶有偏見、歧視、以及錯誤性信息的，因此，通過算法做出的判斷和推薦，由于過程的不透明性，故而難以監(jiān)督?！盵10]

網(wǎng)購平臺如同瞭望塔上的監(jiān)視者，掌握著用戶的消費行為、購物習慣以及由此分析出的一切個人信息。當用戶選擇網(wǎng)購的那一刻，就意味著已經(jīng)將自己的很多信息無償?shù)孬I給了平臺，在網(wǎng)購平臺中，用戶的一舉一動都被以數(shù)據(jù)的形式記錄了下來。推薦算法對其記錄的數(shù)據(jù)是如何進行分析的？通過這些數(shù)據(jù)，算法到底能分析出哪些信息？以及具體的算法推薦過程等，這些用戶都無從知道。于是，正如舍恩伯格所說，“今天這個時代，遺忘變成例外，記憶成為常態(tài)，人類住進了數(shù)字化的圓形監(jiān)獄”。[11]

（五）用戶數(shù)據(jù)被廣泛分享，個人隱私無處安放

投身電子商務的企業(yè)通常有三種收集分析用戶數(shù)據(jù)的方式：第一種是自身所在部門的數(shù)據(jù)分析師們通過不同的算法分析各種途徑抓取的數(shù)據(jù)，然后得出企業(yè)所需要的用戶信息；第二種是將有關的用戶數(shù)據(jù)打包給其他數(shù)據(jù)分析公司，委托其對打包的數(shù)據(jù)進行處理；第三種是直接從數(shù)據(jù)公司購買自己想要的數(shù)據(jù)信息。[12]從用戶角度來說，第一種方式隱私泄露的風險相對較??；如果企業(yè)通過第二種方式將用戶信息打包給數(shù)據(jù)分析公司分析，這無法保證數(shù)據(jù)公司不會對用戶的數(shù)據(jù)進行再出售；而在第三種方式中，用戶的數(shù)據(jù)已經(jīng)成為商品不斷被交易。大數(shù)據(jù)時代，數(shù)據(jù)就是財富，在利益的驅使下，用戶的隱私時刻都面臨著被泄露的風險。

淘寶網(wǎng)的用戶信息是與其關聯(lián)公司⑤螞蟻、菜鳥、高德、優(yōu)酷土豆等還有其授權合作伙伴共享的。它的授權伙伴包括廣告、分析服務類的授權合作伙伴和供應商、服務提供商和其他合作伙伴，數(shù)量之多，范圍之廣。雖然它的《法律聲明及隱私權政策》向用戶說明了平臺收集了用戶哪些信息以及如何收集、管理、保護和如何使用Cookie和同類技術等，但也只是“采取相應安全保護措施，盡力保護您的個人信息安全可控”，所以，隱私泄露的風險依然存在，用戶對待個人產(chǎn)生的隱私依舊是“提心吊膽”。

三、網(wǎng)購平臺個性化推薦算法倫理的重構

“算法的運用是人類所主導的，帶有人類的價值觀，常受到來自經(jīng)濟、政治等非技術力量的影響，在看似客觀的代碼中運行著人的意志。說到底，無論算法如何智能，以人為本，明確算法工程師、新聞從業(yè)者、社會管理者的責任與價值觀，才是根本?！盵13]技術的運用，“人”始終是核心。算法是一種新技術，在其發(fā)展的過程中必然會暴露出一些問題，這就需要對其不斷地調整，將其往公正的方向修正。相關責任主體需要采取一些措施解決或盡量規(guī)避這些問題，以重構網(wǎng)購平臺個性化推薦算法的倫理。

（一）政府層面

1. 成立算法審查機構

算法推薦過程由程序員們編寫的一套套代碼完成，而這些代碼被關入“黑箱”，用戶無法看到源代碼，也就不明白其中的具體規(guī)則。這種不透明性導致用戶完全處于被動接受算法推薦結果的狀態(tài)，一旦算法設計者在其中裝入某種不公正因素，這將擾亂公正的市場秩序，消費者的利益也會遭到侵蝕。但是推薦算法又涉及到商業(yè)利益，算法中往往包含著企業(yè)的商業(yè)機密，如果完全向公眾公開，企業(yè)的利益必然會遭到威脅。所以有必要成立一個既可以保護公眾權益又不會對企業(yè)利益造成威脅的算法審查機構，對各個平臺的個性化推薦算法進行審查和監(jiān)督。

2. 完善相關法律

“刷單”行為不僅違反了我國《關于維護互聯(lián)網(wǎng)安全的決定》和《互聯(lián)網(wǎng)信息服務管理辦法》中的相關規(guī)定，也觸犯了刑法中的相關規(guī)定。但這幾部法律中的相關規(guī)定都比較籠統(tǒng)，最新修訂的《中華人民共和國反不正當競爭法》對電商的虛假交易行為進行了明確的規(guī)制，該法第八條規(guī)定“經(jīng)營者不得通過組織虛假交易等方式，幫助其他經(jīng)營者進行虛假或者引人誤解的商業(yè)宣傳?！痹摲ǖ诙畻l對違規(guī)行為做了相應的行政處罰，第三十一條又規(guī)定：“違反本法規(guī)定，構成犯罪的，依法追究刑事責任?！眱烧咝纬闪艘粋€行政處罰與刑事追責相銜接的處罰規(guī)定。不過以上提及的幾部法律中，相關處罰都只是針對商家和“刷單”平臺的組織者，而那些參與“刷單”的刷手卻逃過一劫，所以法律還有必要對刷手給予一定的處罰，以更好地治理虛假交易現(xiàn)象。

網(wǎng)購平臺中用戶隱私權的侵犯，是商業(yè)資本在作祟，而算法只是提供了捷徑。雖然網(wǎng)絡隱私權的問題在我國立法中已經(jīng)得到了一定的重視，我國法律對公民網(wǎng)絡隱私權的保護已經(jīng)從最初的較為籠統(tǒng)開始走向具體和有針對性，相關保護制度也日漸豐富，但從現(xiàn)實情況看，依然存在著網(wǎng)絡隱私權地位不明確、界定不統(tǒng)一、保護不具體、救濟不到位的問題。這樣既不利于侵權行為的事前預警防范，也不利于事后追責工作的開展。[14]此外，我國法律對算法的責任主體尚不明確，其系統(tǒng)性和精準性有待加強，而且應有明確的指向性，對違法行為的懲罰力度也要加大，不應該只是責令整改、警告、沒收非法所得、罰款、吊銷營業(yè)執(zhí)照等不痛不癢的處理，因為這無法從根本上杜絕“有意違法”。

（二）行業(yè)層面

1. 不斷優(yōu)化算法技術，維護用戶的信息選擇權，保障用戶隱私安全

相關企業(yè)的算法工程師在開發(fā)算法時不僅要注重對精準性和商品成交率的追求，還應尊重用戶的信息選擇權、保護用戶隱私安全，解決現(xiàn)有算法的弊端，不斷對推薦算法進行優(yōu)化。在保護用戶隱私這一方面，行業(yè)內淘寶做得相對較好。為了能夠在探索數(shù)據(jù)背后巨大價值的同時保護用戶的隱私不被泄露，阿里團隊的工程師提出了一個能夠應對網(wǎng)絡數(shù)據(jù)隱私攻擊，提供有效隱私保護的可視分析系統(tǒng)——“GraphProtector”。該系統(tǒng)不僅能夠更全面、更細致地保護用戶隱私，避免后續(xù)的挖掘引起隱私暴露，同時能夠平衡數(shù)據(jù)質量發(fā)生的變化，減少對后續(xù)數(shù)據(jù)挖掘的影響，兼顧到了數(shù)據(jù)的實用性。[15]

此外，平臺對用戶信息進行收集時應征得用戶同意，“隱私協(xié)議”更新需及時告知用戶。我國《網(wǎng)絡安全法》第四十一條規(guī)定：“網(wǎng)絡運營者收集、使用個人信息，應當遵循合法、正當、必要的原則，公開收集、使用規(guī)則，明示收集、使用信息的目的、方式和范圍，并經(jīng)被收集者同意。”用戶一般只有首次使用網(wǎng)購平臺時才會接收到平臺的“隱私協(xié)議”，告知其上訴法律規(guī)定的內容，但各個平臺的“隱私協(xié)議”是不斷更新的，用戶對其中更改或增加的部分可能并不知情。比如，淘寶的《隱私權政策》變更時，它會在淘寶網(wǎng)專門的頁面上發(fā)布對隱私權政策所做的任何變更，但用戶只有自行點擊進入頁面才可查看，只有涉及到重大變更時，它才有可能提供彈窗提示。所以當“隱私協(xié)議”修改時，平臺有必要再次主動推送彈窗，告知用戶，征得同意后方可繼續(xù)對用戶個人信息等進行收集及相關操作。

2. 加強自律，在追求利益的同時多一份責任和擔當

各大平臺應嚴厲打擊虛假交易，加強對商家的監(jiān)督和管理，堅決抵制惡意擾亂市場秩序的不正當競爭行為。“付費搜索結果是廣告，競價排名服務本質上就是廣告服務”。[16]《中華人民共和國廣告法》第十四條規(guī)定：“廣告應當具有可識別性，能夠使消費者辨明其為廣告?！彼?，網(wǎng)購平臺應對競價排名的商品進行明確的“廣告”標識，保障消費者的知情權。并且要對廣告商品的質量、服務等進行嚴格把關，維護消費者利益。同時，平臺還要嚴厲打擊虛假交易和惡意消耗廣告費的行為，為商家營造良好的商業(yè)環(huán)境，促進公平競爭。淘寶全鏈條打擊刷單行為，讓刷單平臺不敢刷、不能刷；通過訴訟的方式教育“刷手”群體；嚴厲處罰刷單商家，清零交易量，甚至永久關店等措施值得各大網(wǎng)購平臺學習。

（三）用戶層面

提升數(shù)據(jù)素養(yǎng)，改變被動接受狀態(tài)，提高隱私保護自覺意識。

所謂數(shù)據(jù)素養(yǎng)（data literacy），是指人們有效且正當?shù)匕l(fā)現(xiàn)、評估和使用信息和數(shù)據(jù)的一種意識和能力。通常包含數(shù)據(jù)意識、數(shù)據(jù)獲取能力、分析和理解數(shù)據(jù)的能力、運用數(shù)據(jù)進行決策的能力以及對數(shù)據(jù)作用的批評和反思精神。[17]彭蘭教授認為，今天這個時代的數(shù)據(jù)素養(yǎng)，除了對數(shù)據(jù)的辨識與應用能力外，還應意味著批判性應用能力的深化。數(shù)據(jù)的風險意識、倫理意識，對算法的反思與使用中必要的節(jié)制，個人的數(shù)據(jù)保護意識、隱私意識等或許都是數(shù)據(jù)素養(yǎng)應涵蓋的。[18]

雖然推薦算法一定程度上讓我們更被動地獲取信息，但是用戶可以在使用平臺時用一些刻意的行為紊亂算法的分析，在算法面前表現(xiàn)更為復雜的個性。比如有節(jié)制地加購、收藏商品；當察覺到算法給我們推薦的商品過于單一、同質化時，主動搜索一些其他風格、類型的商品，做到“雨露均沾”。對于隱私泄露的問題，用戶應當提高個人隱私保護自覺意識，比如在使用網(wǎng)購平臺注冊登錄前，仔細閱讀平臺的“隱私協(xié)議”，對其中可能威脅我們隱私、利益的部分仔細權衡，慎重考慮后再決定使用與否。如果發(fā)現(xiàn)個人隱私泄露，也應積極維權，拿起法律武器保護自身利益。

算法的廣泛運用使得算法倫理問題也越來越引發(fā)人們的關注和思考。互聯(lián)網(wǎng)技術的發(fā)展深刻地改變了傳統(tǒng)的經(jīng)濟業(yè)態(tài)，個性化推薦算法在網(wǎng)購平臺中的運用迎合了消費者的個性化需求，同時也給網(wǎng)購平臺精準化營銷帶來了幫助，但其在實際的運行過程中帶來了許多倫理問題。

隨著技術的不斷發(fā)展，個性化推薦算法在未來也一定會產(chǎn)生新的倫理問題，算法倫理困境已成為當今無法逃避的話題。面對科技的迅速發(fā)展，我們需要不斷地探索解決方案，采取行之有效的方法規(guī)避算法倫理困境，這樣才能促進算法更好地發(fā)展，使其更好地為人類服務，從而營造和諧的人機關系。網(wǎng)購平臺的搜索規(guī)則一直在變，算法推薦技術也在不斷地更新完善，這其實是平臺對自身系統(tǒng)的一個升級，相信在審查體系和法律監(jiān)管不斷完善、行業(yè)更加自律、用戶更加自覺的環(huán)境里，運用了個性化推薦算法的網(wǎng)購平臺一定能夠健康地發(fā)展，算法技術也有無限發(fā)展可能。

注釋：

①監(jiān)測范圍: 京東、天貓、亞馬遜等22個平臺, 18 550品類, 51 333品牌, 2 541萬件商品。

②指淘寶網(wǎng)(域名為taobao.com)網(wǎng)站及淘寶客戶端。

③支持度(support):s(X→Y)=同時購買{X，Y}的人數(shù)/總人數(shù)，表示同時購買X、Y的概率；置信度(confidence):c(X→Y)=同時購買{X，Y}的人數(shù)/購買X的人數(shù)，表示購買X的人同時購買Y的概率。

④ 2011年10月，淘寶商城宣布將正式升級商家管理系統(tǒng)，此次升級導致很多中小賣家可能由于商城費用的增加退出商城，部分賣家商品及服務跟不上淘寶商城變革。因此，2011年10月11日，近5萬名網(wǎng)友結集YY語音34158頻道，有組織性的對部分淘寶商城大賣家實施“拍商品、給差評、拒付款”的惡意操作行為。

⑤指阿里巴巴集團控股有限公司最新上市公司年報披露的淘寶網(wǎng)服務提供者的關聯(lián)公司。

[1] 中國互聯(lián)網(wǎng)絡信息中心(CNNIC). 第42次《中國互聯(lián)網(wǎng)絡發(fā)展狀況統(tǒng)計報告》[EB/OL]. （2018-12-19） [2018-08-20].中共中央網(wǎng)絡安全和信息化委員會委員會辦公室:http://www.cac.gov.cn/2018/08/20/c_1123296882.htm.

[2] 陸衛(wèi)金. 基于用戶網(wǎng)購行為的推薦算法研究[D]. 重慶: 重慶郵電大學, 2017.

[3] 查大元. 個性化推薦系統(tǒng)的研究和實現(xiàn)[J]. 計算機應用與軟件, 2011, 28(1): 47-49.

[4] 陳潔敏, 湯庸, 李建國, 等. 個性化推薦算法研究[J]. 華南師范大學學報(自然科學版), 2014, 46(5): 8-15.

[5] 洪亮, 任秋圜, 梁樹賢. 國內電子商務網(wǎng)站推薦系統(tǒng)信息服務質量比較研究——以淘寶、京東、亞馬遜為例[J]. 圖書情報工作, 2016, 60(23): 97-110.

[6] 楊博, 趙鵬飛. 推薦算法綜述[J]. 山西大學學報(自然科學版), 2011, 34(3): 337-350.

[7] 張志威. 個性化推薦算法研究綜述[J]. 信息與電腦(理論版), 2018(17): 27-29.

[8] 杭州市余杭區(qū)人民法院. 男子淘寶刷單24筆被索賠1元, 阿里起訴“刷手”全國第一案勝訴[EB/OL]. （2018-12-19） [2018-07-18].杭州市余杭區(qū)人民法院網(wǎng)：http://yuhang.zjcourt.cn/art/2018/7/18/art_1227455_26338260.html.

[9] AARON SMITH. Public attitudes toward computer algorithms[EB/OL].（2018-12-19） [2018-11-16]. Pew Research Center:http://www.pewinternet.org/2018/11/16/ public- attitudes-toward-computer-algorithms/.

[10] 方師師. 算法如何重塑新聞業(yè): 現(xiàn)狀、問題與規(guī)制[J]. 新聞與寫作, 2018(9): 11-19.

[11] 維克托·邁爾-舍恩伯格. 刪除: 大數(shù)據(jù)時代的取舍之道[M]. 袁杰, 譯. 杭州: 浙江人民出版社, 2013: 9.

[12] 顧理平, 楊苗. 個人隱私數(shù)據(jù)“二次使用”中的邊界[J]. 新聞與傳播研究, 2016, 23(9): 75-86.

[13] 陳昌鳳. 讓算法回歸人類價值觀的本質[J]. 新聞與寫作, 2018(9): 1.

[14] 胡穎, 顧理平. 我國網(wǎng)絡隱私權的立法保護研究[J]. 新聞大學, 2016(2): 115-121.

[15] XUMENG WANG, WEI CHEN, JIA-KAI CHOU, et al. Graph protector: A visual interface for employing and assessing multiple privacy preserving graph algorithms[J]. IEEE Transactions on Visualization and Computer Graphics, 2018, 25(1): 193-203.

[16] 壽步. 搜索引擎競價排名商業(yè)模式的規(guī)制[J]. 暨南學報(哲學社會科學版), 2014, 36(2): 67-73.

[17] 金兼斌. 財經(jīng)記者與數(shù)據(jù)素養(yǎng)[J]. 新聞與寫作, 2013(10): 5-9.

[18] 彭蘭. 假象、算法囚徒與權利讓渡: 數(shù)據(jù)與算法時代的新風險[J]. 西北師大學報(社會科學版), 2018, 55(5): 20-29.

Ethical Dilemmas and Regulations of Personalized Recommendation Algorithm Used in Online Shopping Platform: Takefor an Example

HE Shunmin, CAO Wenquan

（School of Communication, Huaiyin Normal University, Huai’an,Jiangsu 223300, China）

The application of personalized recommendation algorithm in online shopping platform solves the contradictions between the large amount of commodity information and the personalized needs of users to some extent. However, it also brings some ethical problems while it helps achieve the accurate marketing in the process of application, such as the homogenization of the content, the privacy disclosure and “Round Prison”, etc. Facing these problems, it is necessary to reconstruct the ethics of personalized recommendation algorithms for online shopping platforms from the government and industry levels.

algorithm; ethic; online shopping platform; personalized recommendation

2018-07-22

江蘇省高校哲學社會科學基金項目（2018SJA1599）

何順民（1979-），男，湖南長沙人，副教授，博士，主要從事數(shù)字文化、新媒介與城市傳播研究；曹文泉（1998-），女，江蘇鹽城人，主要從事城市傳播研究

C931.2

A

10.3969/j. issn. 2096-059X.2019.03.001

2096-059X(2019)03–0001–06

（責任編校：彭萍）