新聞算法推薦，如何跳出“內容下降的螺旋”

盧曉彤　李璇

近日，微信7.0版本上線了多項新功能，其中“看一看”功能頁的更新，引來了不少關注。

具體而言，在7.0版本的微信公眾號文童下方，“點贊”已變為“好看”，用戶點擊“好看”后，文童便會被推薦到“看一看”功能頁的“好看”菜單里，并以信息流的方式展現出來。

“看一看”的另一個菜單“精選”，則延續原有“看一看”的功能，在“好友都在看”標簽的基礎上，進一步挖掘用戶感興趣的內容。

這樣的功能更新，強化了社交因素在新聞資訊內容分發上的作用。在部分業內人士看來，依托用戶社交圈的“好看”菜單一旦投入運用，勢必會對相關內容進行排序，而無論依據何種標準排序，依然要用到算法模型，“精選”菜單就更離不開算法推薦了。

事實上，如今無論是社交分發還是個性化推薦，算法都已隨著技術的發展，融入新聞分發平臺的骨髓之中。

然而，怎樣在新聞的公共性與算法的個性化之間找到平衡，考驗著每一個平臺的價值取向。

當新聞遇到算法

2012年起，算法推薦開始進入新聞分發領域，并進而影響了大眾對新聞的獲取方式。

此前，無論是傳統媒體還是門戶網站，讀者和用戶獲取新聞的方式都是相對靜止的，每一次翻頁、每一下點擊，都不會影響到接下來的新聞內容，也不會讓第二天的門戶頁面設置發生顯著變化。

而算法推薦精準分發的特點，則漸漸改變了這一切，也日益吸引著讀者的注意力。

中國人民大學新聞學院教授、博士生導師宋建武告訴《瞭望東方周刊》：“很多用戶希望以最低的費力程度來獲得最大的信息滿足。哪個平臺能夠提供這樣的體驗，他們就會選擇在哪個平臺或渠道上獲得信息。”

在宋建武看來，“過去，用戶想要滿足自己的閱讀需求，需要在互聯網上搜索，而精準分發出現后，他們可以不再費如此大的力氣，就能獲得想要看到的東西。”

自媒體的蓬勃發展，也為新聞聚合平臺的開發提供了充足的內容原材料。

無論是博客時代的個人情感抒發，還是微博平臺上的意見表達，用戶原創內容（UGC）都在呼喚著更為廣闊的平臺以及更為有效的話筒。而微信公眾平臺的適時出現，恰恰為眾多自媒體提供了生長的土壤，大量原創內容被生產出來。

“當網絡上出現了各種各樣的自媒體內容，而門戶網站卻還只是展現頭部內容、不能實現‘千人千面時，新聞內容的分發便開始尋找長尾、垂直內容的新出口。”一點資訊副總裁、總編輯吳晨光告訴《瞭望東方周刊》，“用戶的需求是精準分發的一個大前提，但毋庸置疑，技術肯定起到了推動作用。就像寫字需要筆，而筆本身又會隨著時代不斷進步。”

只有將人的經驗投射到算法中，才能減少算法推薦模式的瑕疵。

在宋建武看來，“如何在移動終端上對內容進行更有效的分發，一個比較有效的技術方案就是利用應用來收集、存儲、分析用戶的行為數據、閱讀數據，從而實現更為精準的信息推送。”

算法是一把雙刃劍

“算法推薦最大的優勢就是提升效率。”宋建武說。在信息爆炸的時代，算法推薦模式應用之初，的確憑借其在傳播分發上高效、精準、個性化的特點，吸引了用戶的注意力。

但是，隨著算法推薦的日益普及，一些平臺完全依靠新聞算法推薦來進行內容分發、不設置人工干預的做法，漸漸顯露出一些弊端。

首先是用戶獲取信息質量的下降。

宋建武用“內容下降的螺旋”來形容算法推薦可能帶來的問題。“簡單來說，有時候越低俗、離奇、驚悚的內容越有人看，它在平臺上的熱度就越高，而平臺算法本身又以熱度為主要的取值點，這樣就會造成—種狀況：內容越低俗、離奇、驚悚，越會被那些平臺更多地推送。”

“內容下降的螺旋”，也反映出部分企業對商業利益的過度追求。

有媒體曾辛辣地指出，技術常常是一把冷冰冰的雙刃劍，在價值和利益的天平上，所謂的算法成了利益的砝碼，一切圍著流量轉，唯點擊量、轉發量馬首是瞻，“標題黨”泛濫，價值取向跑偏，內容淪為附庸。

業內人士張澍（化名）對《瞭望東方周刊》說，基于點擊量進行新聞分發的算法模式，固然讓用戶使用客戶端的時間變長，卻容易放大用戶的心理弱點。

也有專家提出，新聞算法推薦會引導用戶重復瀏覽某些特定話題，使其囿于相互隔絕的信息繭房，甚至黨和國家的大政方針、重大民生決策都得不到有效傳遞。

新推出的微信7.0版本新功能受到關注

“機器是無法判斷真假和價值取向的，算法推薦的主要標準就是用戶喜歡。這種方式過去帶來了一系列的問題，比如虛假新聞在圈層人群中蔓延傳播、‘標題黨問題突出等。”新浪董事長兼CEO曹國偉說。

吳晨光則對算法判斷“標題黨”的準確性問題作了較為直觀的解釋。

“在判斷‘標題黨時，算法模型可能會考慮到點擊率與閱讀停留時長這兩點，因此點擊率高而閱讀時長短的文童，就容易被當作是‘標題黨。那么就會出現一個問題：假設算法規定停留時長7秒為‘標題黨，那么停留8秒的又要怎么算？”吳晨光說。

而在重大新聞、熱點新聞的推送上，算法推薦往往也會有所滯后。吳晨光說，“像孟晚舟事件，人們一秒就能判斷出來這是個重大新聞，但算法卻要根據這個詞以及相關文童在后臺的點擊飆升情況、是否是微博熱搜、在其他平臺的推送情況等指標來判斷，往往要晚上半個小時左右。”

算法推薦帶來的種種問題，也引起了國家的關注。

2017年，國家網信辦先后多次約談多家資訊聚合平臺，要求各平臺切實履行主體責任，清理不良低俗內容和相應自媒體號。這為整個新聞行業敲響了警鐘，改進算法推薦模型，成為整改的重要方向。

“人機結合”

吳晨光將新聞定義為人們“應知、欲知而未知的東西”。在他看來，“一些算法能夠滿足欲知而未知，但沒有滿足應知而未知。于是，很多重大事件、影響國計民生的政策變動等，在手機屏幕上沒有被體現。”

“AI算法說到底還是在學習和模仿人如何處理事情，學習要有一個過程，算法需要更好地成長。”宋建武說。

現階段，如何讓算法推薦變得更“聰明”、更有溫度？

上海交通大學計算機應用研究所副所長、博士生導師盛斌對《瞭望東方周刊》說：“判斷一個算法模型是否道德并符合正確價值觀，應該是算法管理者的責任。”

互聯網企業并非“輿論飛地”，同樣要擔負起與媒體角色相對應的社會責任。

事實上，如今已有不少資訊聚合平臺在積極改進算法模型，并在算法推薦中加入了人工編輯審核的力量。

例如，新浪微博在算法推薦中增加了權威媒體的權重，對熱門內容也加入了人工審核。“算法推薦之外必須有正向價值導向。”曹國偉說。

一點資訊則采用了“機器算法+人工編輯”相結合的分發方式：一篇稿子進入后臺，首先要經過反垃圾算法模塊的過濾，之后由算法和編輯為文章打出標簽、做好分類，文童就按照標簽分類被分配到熱點、本地等模塊中，那些被編輯挑出來的好文童，還會進入“精品池”模塊。到了內容分發環節，會由編輯和算法工程師共同確定文童的排序。

出現重大新聞事件時，編輯會啟動重大突發事件處理機制，算法就會打開“閘門”，讓相關稿件進入。啟動級別不同，“閘門”開放的大小也不同。

此外，一些資訊聚合平臺還設有精細化運營組，負責與算法工程師交流對接，以便讓編輯獲得的第一手資料被運用到算法模型的優化中。

盛斌認為，只有將人的經驗投射到算法中，才能減少算法推薦模式的瑕疵：“如何從技術層面反映道德立場，需要新聞媒體人的經驗。必須通過媒體人和算法工程師的密切交流，讓程序員更好地理解這些經驗，才能更加合理和正確地設計算法，應用算法。”

讓算法設計者懂新聞

在新聞算法推薦中，利用什么樣的方式在“冷啟動”環節吸引用戶，關系到平臺的價值取向。

所謂冷啟動，就是新用戶在使用App時看到的第一屏內容。這時，用戶的興趣愛好還沒有被平臺挖掘出來，有些平臺為了留住用戶，便會在冷啟動時讓算法模型選出那些最能吸引眼球、最聳人聽聞的內容來，如果用戶點擊了其中的內容，類似的新聞便會源源不斷地推薦到這名用戶的頁面上。

在吳晨光看來，“冷啟動時，不負責任的算法其實是調動了人意念中‘惡的一面。”

有些資訊聚合平臺則選擇在冷啟動環節引入“精品池”中的內容，“就是把經過用戶檢驗的、點擊率高但不低俗的內容推薦給用戶。在如何定義低俗、如何確認底線的問題上，編輯應發揮看門、把關的作用。”吳晨光說。

“當然，算法的推送效果最終還是要取決于用戶自己的選擇。用戶不點擊，傳受關系就不成立，精品池中的新聞也就沒有傳播效果。”宋建武說。

而以人民號為代表的“黨媒算法”，則為如何改善算法設計提供了新思路。

在宋建武看來，“黨媒算法的關鍵，就在于要全面分析和評估：對于一個社會成員，新聞的重要性究竟體現在哪里，什么樣的內容能夠促進個體與社會協調發展融為一體，而不是生硬地打出一些標簽。這，也是我們正在攻克的難題。”

事實上，學界也在對算法模型的優化方式進行研究。

宋建武透露，他所在的學院就曾參與不少校企合作項目：“比如與今日頭條合作研究如何提升虛假信息甄別與管控力度，與百度一起探討如何運用區塊鏈技術來提升新聞媒體還原真相的能力，與快手就深度分析平臺聚合內容的方式進行討論，等等。”

而在人才培養上，有業內人士認為，為彌補目前新聞推薦算法的瑕疵，需要引入跨學科人才培養機制，培養出傳播學和計算機科學的交叉人才。

讓算法設計者懂新聞，是上述人才培養機制的目標。

“應該將信息‘把關人的權責從算法交回到人的手上，正如確診病情的權力應該屬于醫生，而不是輔助醫生的AI。”盛斌說。