智能算法推薦與用戶情緒關系的實驗探究

郭浩 張芷茵

摘 ?要 ?愈來愈多的新媒體利用智能算法向大眾推薦新聞。文章試圖探索新媒體的智能算法推薦與用戶情緒之間的關系，通過設置實驗場景，向讀者每日推送其所感興趣主題的新聞信息。基于實驗前后的正性負性情緒量表（PANAS）測試結果的對比，發現持續性的正面信息推薦會提升用戶的正向情緒、降低用戶的負向情緒，而持續性的負面信息推薦會減少用戶的正向情緒、抬升用戶的負面情緒，并且會使得情緒體驗變得更為集中;此外，持續性的負面信息推薦所施加的影響要強于持續性的正面信息推薦。因此，文章認為新媒體應審慎地對待智能算法技術。

關鍵詞 ?智能算法推薦;用戶情緒;實驗法

中圖分類號 ?G2 ? ? ?文獻標識碼 ?A ? ? ?文章編號 ?2096-0360（2019）15-0015-03

1 ?研究背景

隨著移動互聯網的發展和可持式移動終端的普及，想要獲取信息已經不再是一件難事。現代社會的普羅大眾在遇到問題后會利用各式各樣的新媒體尋求答案。于是就會出現這樣的情形：最近李華在糾結到底是要考研還是考公，于是打開了一個資訊類的App，在上面輸入“考研還是考公”，于是下面就會彈出許多條信息，諸如“我是如何找到自己的畢業方向”“普通二本學校考研逆襲成功”“弄明白這三點，考公不在話下”，當李華點擊進去看了許多成功的經驗后便認為自己肯定也可以“春風得意馬蹄疾”;而諸如“考研的不公平，我該如何面對？” “沒有關系，我還要考公務員嗎？”“985名校的他，畢業卻也失業了”，逐一瀏覽下來，李華感覺整個世界都失去了光明。……