數據新聞的算法革命與未來趨向*

■ 范紅霞 孫金波

一、數據新聞中的算法

德國學者保羅·布拉德肖(Paul Bradshaw)認為,數據新聞“簡言之就是一切通過數據處理的新聞”。它將傳統的新聞敏感、講述動人故事的能力與龐大的數據信息結合在一起,使新聞報道呈現出許多新的可能。①從新聞生產方式上來說,“數據新聞是關于數據的采集、分析和可視化呈現的新聞工作理念與方法”。②作為大數據時代的新聞變革,在內容上,數據取代了文字,成為重要的信息載體；在敘事上,數據可視化呈現取代了文本描述。在內容與形式的雙重變革背后,操作并實現這一轉變的工具,來自新型的信息加工方式——算法。

算法是什么？簡單地來說,它是利用一定的計算公式進行數據處理,在計算機程序設計中使用廣泛。近年來,隨著網絡和大數據技術的快速發展,我們正在進入“算法經濟時代”。

本文將重點分析數據新聞中所使用到的算法,以及算法革命給新聞業態帶來的變化趨勢。在數據新聞生產的不同環節,如數據查找與采集、數據聚合與集成、數據挖掘與分析、數據推薦等方面,不同的算法各有用武之地。

1.數據查找與采集——字符串查找算法

查找是指在大量的數據中找到特定元素,它是數值計算中常用的運算邏輯。④就數據新聞而言,因為常常涉及到文本處理,往往會通過在某個文本信息中查找某個詞在文中出現的位置,依次比較這個詞在文本中的信息。通過匹配值分析,達到優化的目的。常見的字符串查找算法有三種:一種是KMP算法,它的匹配性能優越于傳統的字符串查找算法,在信息檢索過程匯總,需要快速提取關鍵詞在文件中的位置,往往會使用此種算法。還有一種算法叫做BM算法,相對于KMP算法效果更高,且實現過程更容易理解和實現。很多文本編輯器中的查找方式都是基于BM算法實現的,雖然二者在字符移動和匹配過程中都需要花費一定的查找時間,“但是BM算法的匹配速度比KMP算法快3～5倍”。⑤此外,還有一種Sunday算法則適用于較長的文本。

當然,如果涉及到海量數據的查找,比如搜索引擎所使用的查找算法,就包括基于布隆過濾器的方式,設置能夠搜索和過濾重復網頁的爬蟲程序；以及基于倒排索引的數據結構,它們在信息檢索的精度和準確度方面更高。

2.數據聚合與集成——基于K-Means算法的新聞聚類分析

機器學習中,聚類分析是一種非常重要的算法。“系統聚類的方法是通過計算將距離較近的樣本先聚成一類,距離較遠的樣本后聚成了類,通過計算樣本之間的距離,最終使每個樣本都能找到合適的聚簇。”⑥K即中心點、關鍵詞,Means即意義內容,也是圍繞中心點進行信息分類的依據,通過計算中的多次迭代,最終實現分別聚類,且類別與類別之間區分明顯,有助于實現聚類結果的個性化。以新聞聚類而言,類似于今日頭條、一點資訊、騰訊新聞等新聞聚合應用,它們沒有原創新聞,而是通過對網絡上的新聞進行抓取,然后進行相似新聞聚類。如今日頭條,它提出的口號就是:“你關心的,才是頭條。”強調了新聞推送的個性化和定制化。而實現這一特征的主要途徑,就是通過新聞聚類分析,抓取網民最感興趣的內容,將其聚合成類,便于瀏覽。K-Means作為文本聚類最直接的算法,也是最為經典的數據挖掘算法,它所秉持的核心思想是:人以類聚,物以群分。通過用戶的屬性特征和興趣偏好,找到他感興趣的內容,有針對性地推送相關新聞。網易云音樂在個性化推薦方面也是采用這種模式。

但是,它的弊端也很明顯。就是初始中心點的選擇對迭代次數影響較大,如果是隨機選擇,計算周期會比較長；如果隨機選取的初始中心點均屬于同一個聚類,計算量比較大,而且一定周期內反復收到同類信息,也會造成信息疲勞。因此,在使用此類使用聚類算法的APP(新聞或音樂),不斷更新關鍵詞和信息偏好,有助于打破信息過度匹配和過分集中的困擾。

3.數據挖掘算法——購物車理論和FP樹關聯分析

數據的關聯規則是數據挖掘算法的目的之一,用于從海量的歷史數據中,挖掘出可能具有價值的信息,以及數據之間的相關關系,在商業營銷中可以利用數據之間的關系產生較大的商業價值。⑦如,當一個消費者在超市購買了A產品,那么算法就會分析與A產品相關的哪些產品是消費者可能下次購買的。最經典的超市案例就是“啤酒”和“尿布”的故事(在超市里為嬰兒購買了紙尿褲的男性顧客會順手為自己買些啤酒),通過商品之間的內在關聯,提升了銷售率。因此,這一算法規則(Apriori算法)也被稱作“購物車理論”。該理論就是運用了關聯規則,尋找兩個或多個事物之間的依存性和關聯性。如果兩個或者多個事物之間相互存在一定的因果關系,則他們之間存在一種關聯規則使得它們之間可以進行搭配。如啤酒+尿布的組合,以及收銀臺附近陳列的口香糖、巧克力和安全套等小物件,還有,買了手機的顧客多半會購買手機屏幕保護膜、耳機等,這是一種最簡單和直接的關聯關系。因而這種關聯規則也被稱為“購物車理論”。基于購物車理論的Apriori算法應用非常廣泛,如超市商品擺放和貨架陳列的關聯分析、顧客消費習慣分析等,當然,還包括電商平臺最為熱衷的購物推薦等。

FP樹(Frequent Pattern Tree)模式,通過對原始數據進行壓縮,從而提升數據分析性能。因為交易數據海量龐大,如果反復掃描,容易造成數據損耗,如前一種算法那樣。而構建FP樹,只需要掃描兩次,第一次分析數據中的每個頻繁項和每個頻繁項的支持度,并根據支持度進行降序排列。據此創建FP樹的根節點,即出現最為頻繁的詞語,然后進行迭代列加后綴頻繁項集,最終得到所有與某個頻繁詞相關的頻繁項集。上述“啤酒”與“尿布”的組合就是這么來的。

4.數據推薦算法和預測模型——協同過濾推薦和潛在因子推薦

推薦算法的應用日益普遍。推薦算法是用戶和商品之間的橋梁和道路,它為用戶提供他們可能感興趣或者有價值的商品信息。當我們購物時,辨別用戶身份的cookies數據被存儲到電腦上,使我們很容易被個性化的商品廣告與商品信息更高效地“鎖定”。推薦算法主要圍繞以下目標展開:“幫助用戶找到自己喜歡的商品；加強對用戶的了解,提供個性化定制服務；降低信息過載問題；提供網站或移動客戶端的展示與點擊的轉化率,實現流量變現；增加用戶黏性,使用戶對網站或移動客戶端產生信息依賴。”⑧常用算法是基于行為數據分析的協同過濾。

協同過濾常常用于電子商務、互聯網廣告的個性化推薦,它通過對用戶的歷史行為記錄,以及用戶群體的行為信息,給用戶之間、商品之間建立關聯性規則,給用戶推薦個性化商品,提高銷售額。如在亞馬遜、京東、淘寶等電商平臺,推薦算法創造了“雙十一”的消費狂潮。根據阿里巴巴集團披露的數據,截至2017年11月12日零時,2017年天貓雙十一交易額定格在1682.69億元人民幣。再次刷新單日全球零售的歷史記錄。⑨協同過濾算法主要有兩種模型:基于商品特征(item-based)的算法和基于用戶行為(user-based)的算法,針對不同的活動場景都各有用處,效果顯著。

另外,潛在因子算法也是廣泛應用的推薦算法,不同于item-based通過商品之間的關聯推薦,也不同于 user-based的群體性行為分析,它是通過用戶的歷史行為挖掘用戶本身的特征,以及分析現有商品的本質特征進行的推薦。以前我們津津樂道過一個例子:超市會給最近購買過無香化妝品的女士推薦孕嬰產品,而且神準。再如新聞推薦,特征標簽是新聞主要表達內容的體現,通過將新聞的特征標簽轉換為用戶的特征標簽,從而感知用戶對于某方面內容的興趣程度比較高。另外還有基于流行度的推薦,利用群體模仿心理,將當前最熱門的產品推薦給用戶。《歡樂頌》熱播后,打開淘寶,首頁可能會給你推薦劇中人物的同款裙子、帽子或飾品等等。一部電視劇帶動了服裝、化妝品、洗發水、發型妝容、度假勝地、書籍唱片等周邊產品的熱銷,由此使熱門影視劇的周邊產業成為一個巨大的金礦。

預測模型所使用到的算法主要是借助概率統計,通過線性回歸方程的計算或者是最大期望值算法分析,找到隱藏在現象外表下,然而與其狀態相關的某些變量,以獲得解決問題的方案,如天氣預報、用戶行為預測等等。如美國2016年大選時,美國CNN等主流媒體憑借傳統的民調數據預測希拉里能勝選,而大數據分析的結果則預測彼時贏面甚小的特朗普將會勝利,最終結果出來后,令這些傳統媒體與主流人群大跌眼鏡。

預測模型甚至被用到企業的人事招聘和人員晉升中。在收集擬錄用人員資料時,基于一個人的地理位置、學習成績、他經常訪問的網站、搜索時使用的關鍵詞,他在推特、臉譜或者微博上發布的信息,人們就可以對他的性別、種族、社會階層、興趣愛好、人格特質、生活態度、職業潛力等作出判斷、推理和評估。美國有一家Hunch公司,開發了一個聲稱“個人喜好反映一切”的算法,通過分析用戶在臉譜網上的個人喜好與社會維度數據集之間的關系,為用戶建立詳細的檔案,并預測他的人格特點、性格和政治傾向等。“一項叫作‘推特心理’的業務宣稱可以依據人們在推特上談論的話題,包括學習、金錢、情感與焦慮等,通過算法測算他們的情商和智商水平。”在這里,全數字化(可量化)的行為數據分析成了一種身份識別技術。

二、新聞生產中的算法“革命”

大數據傳播為新聞業帶來了全新的變革。具體而言,表現在以下方面:

1.傳播語境的轉換:從信息傳播變為知識傳播

現代新聞業的興起,源自我們對于信息的渴求。長期以來,大眾媒介就承擔著傳播信息、監測環境、對周遭世界的變化做出解釋的職能,每天專注著報道海量的信息,但是“浮光掠影”式的報道,并未觸及最終解決問題的關鍵。而知識是什么？代表被系統化、被整理和提煉過的經驗、認知和方法,可以用于指導我們的實踐和生活。在強調信息傳遞的傳統媒介時代,“我們被信息淹沒,但卻缺乏知識”。因為隨時更新而又浮光掠影、蜻蜓點水式的報道方式,讓我們的信息接收變成了盲目而無效地瀏覽,認知呈現“碎片化”狀態。 而數據新聞則通過挖掘海量數據之間的關聯規則,尋找連接的意義和信息價值,將碎片化的內容加以整合,形成我們關于某個人物、新聞事件、現象或者社會問題的全局性的認知。比如財新網所做的《三公消費龍虎榜》《周永康的人與財》,《衛報》所做的《美國各州的同性戀權利》等報道。這些新的信息加工和新聞生產模式,擴大了我們的認知視角和信息版圖。“數據新聞”正是全球媒體應對大數據時代變遷所做出的關鍵革新,它意味著新時代的媒體必須要經歷從“信息傳播”向“知識傳播”的轉型。

英國獨立多媒體記者亞當·韋斯特布魯克預言道:數據新聞是未來新聞業最具發展潛力的領域之一。“數據新聞使新聞回歸本質:挖掘公眾無暇處理的信息,核實信息,理清信息的內涵后將之發布給公眾。” 如此一來,“公眾將更加文明和富有見識”。從“信息傳播”向“知識傳播”轉型,要求媒體不能僅僅滿足于做片段式和碎片化的報道,更要挖掘數據背后的價值,賦予其正確的解釋,使受眾可以更有主見和有效地思考,從而讓“信息”升華為“知識”,幫助受眾加深理解、做出準確的判斷。

2.算法改變公共輿論

傳統媒介時代,輿論的形成仰仗媒體的議程設置。通過凸顯某些話題和事件,形成重要性的排序,它們不能決定受眾“怎么想”,但是卻能有效地決定讓他們“想什么”,為公眾輿論提供話題和素材。但是現在我們經常用的說法是“個性化新聞”或者“新聞定制”,在一些新聞APP上,也許每個人看到的新聞界面都不一樣。大眾視線所關注的焦點,不是由媒體當天的頭版決定,而是被一種所謂的“頭條”和“熱搜”所控制。娛樂明星的花邊新聞取代了國計民生的大事,成為網民津津樂道的話題。

此外,正如議程設置帶有濃厚的政治意味和意識形態色彩一樣,新聞挖掘和分析算法在回答特定問題時,也會帶有某種偏見。當我們搜索某個人的信息時,如果算法提供不友善的搜索項后,本來對他不了解的用戶在搜索他的信息時可能會被引到某個特定方向。因此,算法不僅僅是在預測,還有助于控制用戶的行為。算法的建議,一是算法可以猜到用戶接下來希望搜索的內容,二是算法將特定選項置于用戶眼前,讓用戶只能從中做出選擇。社會學家威廉·托馬斯與多蘿西·托馬斯說過:“如果人們把某種情境定義為真實的,這種情境就會造成真實的影響。”算法中用到的數學知識最初是“提煉自這個世界,來源于這個世界”,而現在則“開始塑造這個世界”(凱文·斯拉文)。如凱文·斯拉文所言,與其說是一種隱喻,毋寧說是一個預言。他所列舉出來的各種與算法相關的現象,間諜策略、股票價格、電影劇本和建筑等,都有可能受到算法的影響和操縱。限高、限速、限重、限量、限牌等等,這些數據的設計,不僅僅出于公共管理的需要,更有可能帶有社會偏見和身份排斥的考慮。而被冠以“個性化”美名的服務背后可能隱含階層和區隔的意味。

3.過濾氣泡與信息繭房

連客觀的數據也無法擺脫人類的偏見,收集的數據種類、算法運行之前的各種準備工作等,都會受到人類偏見的影響。比如說,每個人都有身份證,各自對應不同的姓名和社會編碼,這些符號和數字可以用來說明我們的身份、民族成分、出生地、出生日期、性別等等。用于機場/車站安檢、酒店住宿、消費查驗等,雖然我們將其視作例行公事,但是身份識別系統會把其中一些來自特定地區、民族和身份的人單獨挑出來,重點檢查。因為在它們的算法系統里可能被標注為“敏感人群”。這樣的人無論走到哪里都會被迅速識別、定位和監控。算法因之成為一種社會控制技術。

現在還有一種大數據控制的手段,將人員、地點、對象和想法等分門別類,建立登記的計算過程,因之也具有了豐富的政治內涵。“頭條”“熱搜”結果可以買賣,也可以人為干預,成為心照不宣的公關手段；用算法來干擾和轉移公眾的注意力,可能比“政治作秀”更有效果,結果更加可控。算法還可以有意識地屏蔽消極評論或者敏感詞等。正是因為有了這種具有識別和過濾功能的算法,這種形式上的客觀性可能有礙社會公平正義,并導致偏見的盛行。所謂的中立性,根本就是一種假象。這也就是所謂的“過濾氣泡”效應。利用Nara算法,代表用戶不斷地判斷信息是否有用,通過剔除線上的“雜亂信息”,幫助用戶精準定位,節約時間。這就是“過濾氣泡”或者叫作“404”(網頁無法打開)。

另外,因為個性化推薦的廣泛運用,它有可能形成“信息繭房”的負面效果。這個概念是凱斯·R.桑斯坦所提出的。所謂信息繭房,是指人們在信息傳播領域會習慣性地被自己的興趣所引導,將自己的生活置于像蠶繭一樣的“繭房”,從而可能成為“作繭自縛”的與世隔絕的孤立者。我們只能得到自己選擇的和令我們認同或愉悅的東西,把自己封閉在熟悉的領域和信息中,造成個人思想和認知的封閉、僵化。如果任由“過濾氣泡”和“信息繭房”泛濫,將不利于社會信息的流動和交換,也會禁錮思想、觀念的創新、突破和交流。如學者所預言的那樣:“數字化‘繭房’的缺失和數字化記憶的完全開放都是可怕的,它所產生的‘寒蟬效應’甚至會讓我們失去堅定地活在當下的能力和勇氣。”

4.社會隱喻的轉換

1980年,托夫勒寫作《第三次浪潮》。指出人類社會經歷了由技術沖擊社會與文化而形成的三次浪潮。第一次浪潮是農業的發展,人類勞作取代了狩獵采集文化。在中國形成“男耕女織”“男主外女主內”的社會分工體系,以及由家庭延伸到國家政治領域的父權制宗法統治以及男尊女卑的性別文化；第二次浪潮是工業革命興起,蒸汽機成為先進技術的代表,“火車頭”成為政治、經濟、文化等領導權的象征性隱喻,以及伴隨而來各種“規模化”效應的蔓延,批量生產、批量分銷、大眾消費、大眾教育、大眾媒體、大眾娛樂和大規模殺傷性武器等。關于文化霸權的闡釋與爭奪,成為不同社會力量角力的根源。第三次社會浪潮,是信息化時代的到來,為我們帶來了分眾化、個人化的趨勢。從辦公自動化、門戶網站、博客到推特、facebook、微博,從開心網、人人網到社交媒體、電商平臺的興起,社會正在經歷個人化、去中心化和網絡社區自治的全新變革。今天,我們對個性化和所謂“私人定制”的推崇,都是來自于“自我的重現”這種隱喻,商業文化、教育產業和文化工業都非常重視發掘個體的價值。極度細分的市場和個性化需求,讓數字化不可避免地包羅萬象。每個碎片化的組群,都可以建立自己的網站、論壇、社區,生產內容和評論,看起來是民主程度大大提高,再小的聲音都能被聽到。但是過度分割、內聚和個性化的數字化信息建構,導致碎片化的蔓延擴張,有時它被描述為“信息繭房”,有時它被描述為思想觀念的巴爾干化,結果使我們當前的政治、經濟和思想形勢共識破裂、暗流涌動、險象環生。

三、算法時代的新聞業與民主治理

1.數字驅動新聞,多元/自閉成為悖論的存在

2012年,美國《新聞周刊》停止發行,只發行電子版。 2013年,《華盛頓郵報》虧損嚴重,被迫出售。《紐約時報》也停止了出紙質報紙,改為網絡出版。2015年,《紐約時報》賣掉了所有與新聞收集無關的資產,而專注于內容付費產品。國內從2013年以來,不斷有報紙停刊、傳統新聞人出走其他行業的新聞,發行量和廣告收入呈現斷崖式下滑,而且還在不斷下跌；微博、微信、各種新聞APP正在成為我們獲取新聞的主要來源。種種跡象表明:傳統新聞業正在經歷由盛而衰的過程。數字化技術改變了新聞業,數據新聞的勃興,也僅僅表明新式新聞更多地借用程序員、設計師、計算機和算法的力量完成,這就破壞了新聞專業主義的行業傳統和價值基礎。更重要的是,數字化技術改變了新聞印刷業的合法性。人人都是記者編輯,無門檻的信息發布,消解了新聞的客觀性、真實性和專業性。

新聞的傳播者在變化,接受者也同樣發生著變化。新聞的“私人定制”,意味著個人獲得的信息內容是建立在用戶過去搜索內容的基礎上,建立在他們瀏覽網站的歷史上,最后依據用戶在社交網站和自媒體上所寫下的內容。這樣,個人就陷入了一個包裹自己的信息氣泡里,被算法貼上某種標簽,歸入某個類別,“所見即所得”的結果在某種程度上都是根據以往的數據行為,這些行為已經記入了個人的搜索檔案,并且根據后臺的分析一日日地加深了這種標簽和印象。在算法專制主義的統治下,信息自主權和隱私權不過是一句空洞的口號。

2.算法控制和數字專制

算法的威力如此巨大,但我們卻越來越依賴于算法來告訴我們什么重要、什么不重要。2016年魏則西事件,后來雖然歸結為百度搜索的競價排名規則的惡果,但是這也從另外一方面說明算法對我們的判斷所施加的影響。搜索引擎成為新的社會規范。我們依靠它提供事實——卻從不懷疑為什么是這些事實而不是那些事實。

社交媒體和熱搜取代了傳統的議程設置。加州大學歐文分校教授保羅·多爾希近年來專注于推特和社會熱點的研究。他指出,推特的熱門話題已經被解讀為各種社會行為重要程度的標志。這是一種新的議程設置,但不是由媒體做出的,而是通過網民參與和眾包分析得出的議程順序,算法能夠被賦予輿論引導的作用。新聞不再是隨機的、偶然的,而是有潛在的運作規律和計算公式。新聞預測模型的出現,相當于人類成為了先知,取代了上帝的位置。

媒體的象征性權力由大眾媒介時代藉由知識/話語操控的權力游戲,轉變為“人人都是傳播者”時代的自主、自決和自治,這個轉移發生得如此迅速,猛烈和炫目。互聯網政治學中有一種樂觀的說法,叫做“數字烏托邦”,但是當我們洞察算法的邏輯漏洞和數字專制后,不無悲哀地發現,我們依然無法擺脫算法設定中的各種偏見。更何況,機器人寫作技術的運用,正在把人類放逐到世界中心之外。它們被描述為“來自地球的入侵者”,機器人正在消滅包括新聞業在內的許多傳統職業,如記者編輯、攝影師、醫生、教師、作家和警察。

3.目標篩選和匹配模型

在社會管理層面,算法可能會降低犯罪率。對于某些個體或人群,算法能夠有效預測其犯罪概率,如果這個概率足夠大,那么可能在他還沒有實施犯罪行為時,他就已經受到了監視和懲處,此舉可以有效預防犯罪或降低罪行后果。算法能夠識別和篩選潛在的目標對象,并針對性地采取措施。從預防大于懲處的角度來說,這種管理方式可能比亡羊補牢要優越。今天,很多企業、政府和社會組織里都在建立自己的預測模型。阿里公司的人力資源管理(HR)系統過去叫做EHR(Electronic Human Resource),現在叫人工智能人力資源系統IHR (Intellectual Human Resource)。阿里內部有個360評估系統,就是對某個人進行“360度的評價”加晉升面試,來決定這個人是否升職。但是這個360系統只看當年的leadership數據,比如主管、同儕、下屬、HR對你的評價,以及你的任期內員工的離職率、升職率等等。如果一個人在公司工作超過10年,就會積累大量的數據。而且,阿里內部的組織結構3個月一小調,6個月一大調,變化特別快,數據積累特別迅速。怎么科學地匹配和分析這些數據,提高管理效率,是一個非常現實而迫切的需求。其次,阿里內部有5萬員工,外加不停地收購公司,人員內部的流動也十分頻繁,數據積累龐大。但現在還沒有適合的模型對這些數據進行分析。還有就是,現有模型還不能做到盡量全方位評價一個人。人工智能HR系統急需升級。每個大公司和政府組織都會面臨這樣的問題,未來的傳播學研究,完全可以從計算傳播學和社會傳播學的交叉領域去做,有可能發現更加廣闊的研究空間。

四、結論

數據、算法和新聞的結合,改變了新聞的采集、制作和傳播方式,也為個人參與社會生活提供了有力的武器。過去,從社會建構的觀點來看,新聞傳播能夠實現意義的建構、話語的生產和認同的重塑,無論是意義、話語還是認同,我們都能看到主觀力量的影子。而在今天,算法控制著我們的生活、身體和思想,你以為的“自我”可能并非來自自己的真實內心,而是在信息擬態環境、算法個性化推送的共同作用下,被“植入”相關程序,按指令行動和思考的人體機器。算法問題反映的是時代的問題。在原子時代,決定人類命運的是生產方式,而在比特時代,對人類命運起作用的則變成了思維方式。算法是思維方式的技術基礎,有什么樣的技術基礎,就有什么樣的思維方式。這是算法討論的現實價值。算法能夠為我們節省信息查找的時間,在處理海量數據,整合、對比、篩選信息和得出結論方面的效率無以匹敵,但是卻減少了因無法未卜先知而使人生充滿探險樂趣和不確定性的迷人魅力。同時因為氣泡效應和“信息繭房”的存在,它可能會強化個人偏見和刻板印象,使自我突破、超越與頓悟成為永無可能實現的泡影。我們依賴算法,相信算法,但須使用有度。無論如何,數據新聞中凸顯的人性都彌足珍貴,更值得我們保有和珍惜。

注釋:

① Paul Bradshaw.WhatIsDateJournalism?.http://datajournalismhandbook.org/1.0/en/introduction_0.html#sthash.4loxXvT 9.dpuf.

④⑤⑥⑦⑧ 劉凡平:《大數據時代的算法:機器學習、人工智能機器典型實例》,電子工業出版社2017年版,第25、37、115-116、174、188頁。

⑨ 數據來源:http://sohu.com/a/203910678_475950。