論基于人工智能的網絡語言治理

譚天?邵澤宇?司崢鳴

摘要：網絡交流催生了網絡語言，隨著網絡交流日益頻繁，網絡語言帶給人們便捷交流的同時也產生了一些負面問題。本文在梳理了網絡語言的相關概念、觀點和網絡語言治理研究現狀后，提出把人工智能應用到網絡語言治理中，建立基于深度學習的網絡語言規范智能管理模式，進而構建智能把關理論，推動網絡語言規范治理體系構建。

關鍵詞：網絡語言 網絡語言治理 人工智能

1994年中國接入國際互聯網，此后網民們為了提高網上聊天的效率以及詼諧、逗樂等特定需要而采取的方式，久而久之就形成了特定語言。隨著互聯網的普及，這種語言形式在互聯網媒介的傳播中有了極快的發展，越來越成為人們網絡生活中必不可少的一部分。但是，網絡語言的迅速發展也帶來了許多問題，由此成為我國互聯網治理的重要內容，網絡語言的規范也成為社會主義精神文明建設的重要任務。

一、網絡語言治理的研究

在本研究中我們將網絡語言定義為：人們在網絡空間（社會）交流中所產生、使用的一種滿足于網絡交流的約定俗成的符號樣式與規范。以網絡語言的生成空間為劃分標準，網絡語言可以分為三類：線上生成和傳播的、在線下生成線上傳播的、由機器即人工智能生成的。以其形態樣式為劃分標準，廣義的網絡語言可以分為三種類型：文字語言、符號語言（表情包）和機器語言（機器翻譯或生成的語言）。

人們對于網絡語言存在各種看法，我們認為對網絡語言的評價應當一分為二，那些生動、活潑的語言理應得到廣泛推廣與使用。網絡語言是網絡文化的重要組成部分，在新媒體技術運用背景下的網絡則是青年亞文化的主要陣地，作為亞文化的重要組成部分，有些網絡語言也會從亞文化走進主流文化，成為交流及文化傳播常用語言。比如，厲害了我的國、給力、點贊等。但是，網絡語言中也存在大量消極、惡俗、嘩眾取寵、具有危害性、不利于交流的語言成份，以及由此產生的網絡語言暴力、網絡謠言等應及時從網絡語言中過濾掉，這是凈化互聯網空間與網絡語言治理的重點。

關于網絡語言治理，采取行政和法律手段是目前研究的主要方向，實名制、制定相關法規、增強執法力度成為主要治理措施。陳晗婧認為，治理網絡語言暴力行為必須推行實名制，追究行為人責任，加強對網絡空間的言論監管，以制止網絡從眾行為的發生。陳麗湘認為，“媒體語言治理要統籌各方力量，使政府、社會、公眾形成治理共同體，加強各主體之間的督促、銜接和協調，實現媒體語言治理的資源整合和力量融合”。[1]趙子毓在《網絡語言傳播與治理》一文中提出，相關部門應分層對不同網絡空間進行規范，并且執法部門應加強監管與規范。謝天長在《網絡語言暴力治理的法律對策》一文中，圍繞網絡語言暴力的法律范疇、建構網絡實名制、厘清網絡語言暴力中各方責任等三方面，論述了依法治理網絡語言暴力的基本思路與具體做法。王羽棟認為，通過政府主導、技術手段、法律保障以及全社會協同參與四個層面的手段，形成一條層次分明、職能明確的治理路徑，從而有效地對網絡語言暴力問題進行治理。除此之外，給網絡語言以正確的輿論引導，塑造正確的價值導向，“加強網上輿論引導，控制、減少各種‘噪音”，[2]從而凈化網絡空間。要充分發揮網民主觀能動性，自覺規范使用網絡語言。網絡運營者應增強自律精神，網民對網絡語言的使用應當有所甄別，而不是全盤接受。

然而，網絡語言治理不僅需要強有力的行政和法律手段，還需要有效的技術手段支撐才能把網絡語言治理工作落到實處。近來學者們開始研究智能把關，即把人工智能技術應用到網絡語言把關中。阮立提出數字把關人模型，“表明未來的研究必須連接到新聞流動模式才能夠充分解釋數字選擇過程”。[3]羅昕認為，算法的出現意味著傳統把關理論面臨著結構上的轉型，主要包括“把關主體從人工到人工智能，把關關系從訓示到迎合，把關機制從編輯到算法，把關內容從整體到碎片”。[4]然而，智能把關如何實施還需要具體而有效的操作方法。

二、網絡技術助力網絡語言治理

我們有足夠的理由將網絡技術應用于網絡語言治理。首先，網絡語言的產生與網絡技術的發展有著密切的關系，是網絡技術的具體應用。人類語言產生于具體的實踐和人際交往活動中，任何社會發展形態下的語言，都與其使用的工具與技術有著密切的關系，以網絡技術普遍應用為標志的信息社會更是如此，信息本身就是由語言組成的，且信息的交換主要是語言的交換，這里的信息主要是指狹義的信息，即視音頻、圖片、文字等不具有具體形態的事物。網絡技術是網絡語言產生的前提條件，正是有了電腦、手機等硬件設備，網絡語言才有了產生的可能。另外，人與人之間通過網絡技術在網絡空間的交流是網絡語言產生的必要條件。正是由于鍵盤、圖片處理軟件、人工智能技術等的使用，使得文字、圖片、字母、數字之間可以任意拼貼，并賦予其意義，文字與視頻可以相互轉換。因此，用網絡技術來解決由其產生的問題，由網絡技術的發展與應用進而彌補由其帶來的缺憾，可謂“用其人之道，還治其人之身”，能夠迅速抓住問題的癥結，指出這一網絡技術應用中具體的漏洞與問題，并通過改進技術，助力網絡語言治理。

其次，海量的網絡語言使采用網絡技術治理成為必然選擇。第48次《中國互聯網發展統計報告》（以下簡稱《報告》）顯示，截止到2021年6月，我國網民規模已達10.11億，手機網民規模高達10.07億，即時通信用戶規模高達9.83億，網民平均上網周時長為26.9小時。網絡已逐漸成為人們交流的主要渠道之一。由于現實中的人已經無時無刻處于“線上”狀態，網絡語言不僅對網絡社會交流產生影響，同樣也對現實社會互動產生影響，網絡語言已經滲入我們的日常生活，人們的網絡活動越頻繁，使用網絡語言就越多，總的趨勢是網絡語言翻新的速度不斷加快，因此網絡語言暴力、網絡謠言等網絡語言亂象也隨著頻出，單靠法律法規、人工篩選和行政手段是無法及時處理這些海量信息的，需要利用網絡技術進行篩查、過濾，能夠及時跟蹤、評價、反饋和及時調整規范。對于網絡語言的治理不僅關系到文化傳承，而且也關系到社會能否有序發展，能否長治久安。

第三，網絡技術可以阻斷負面網絡語言傳播渠道，相當于建了一道“防火墻”。網絡語言的產生和傳播離不開日常生活所使用的語言，是將日常用語搬至網絡空間，將聽覺器官占主導地位的語言，轉變成為以視覺器官為主的文字或各種形式的組合，是一種書寫出來的言語。英國語言學家戴維·克里斯特爾在《語言與因特網》一書中比較了書寫與言語的區別，進而指出網絡語言不具備言語的特征，也不具備書寫的特征，它是“口語和書面語言特征的集合體”。[5]正如我們所知，“完整的成熟的語言符號應該是音、形、義的有機結合”，[6]與日常交往不同，我們在網絡空間將言語轉化為書寫時，為了加快傳播速度，減少因書寫時間產生的延遲，并沒有嚴格遵循音形義的結合，比如文字符號，偏向于“音”，文字、數字、字母等書寫符號能夠滿足傳者要表達含義的讀音即可，這種拼貼滿足了網絡交流的時間傾向。受者通過視覺器官（眼睛）與拼讀器官（嘴巴）相結合，將書寫出的符號解讀出來，單個符號沒有任何意義，必須結合具體語境，對書寫符號或組合體進行解讀。而快速解讀必須借助技術手段。

網絡語言是現實生活語言的遷移，現實生活的變化會直接影響網絡語言的產生發展，而作為網絡語言制造主體的個人，則是社會化的個體，無時無刻不接受來自社會各方面的好處或壓力，情緒是多變的，并且難以捉摸，各個不同年齡階段對于網絡語言的應用和態度都是不同的，網絡語言亂象是不可預測的。美國心理學家R·哈維格斯特提出人生六階段理論，他將人生階段劃分為幼兒期、兒童期、青年期、成年早期、中年期、老年期。根據《報告》顯示，40歲（不含）以下網民比例占到網絡用戶總數的53.4%，其中，6-19歲占比為15.7%，這一年齡群體的網民屬于兒童期，此階段樂于接受新鮮事物，但還沒有形成完善的是非價值取向，是主要的受影響的群體。20-29歲占比為17.4%，這一階段群體屬于青年期，追求個性、標新立異，是網絡語言的主要創造者，尤其是表情包和流行語，以及各種拼貼形成的網絡語言。40歲及以上網絡用戶屬于中年期和老年期，不易接受新鮮事物，且閱歷豐富、精通為人處世之道，網絡交流只是日常交流的拓展，更不會參與網絡暴力，但對于某些網絡謠言的甄別能力有待提升。30-39歲占比為20.3%，這一群體為成年早期，是個人工作、生活壓力最大的階段。

網絡成為釋放現實壓力和負面情緒的場所，隨之而來的是網絡暴力和網絡謠言等亂象的產生。而網絡具有開放性的特點，每個用戶都可以參與到生產和傳播之中，因此無法從產生網絡語言亂象的源頭治理，也就是不能控制每一個網民不發生負面行為，但是，可以運用網絡技術阻止其傳播，沒有傳播的生產等于不存在，不會給他人及社會造成不良影響，這樣，既達到了宣泄情緒的目的，又保證了良好的網絡環境秩序。

第四，網絡語言治理與人工智能應用研究已取得一些進展。網絡語言治理與人工智能應用研究主要集中在網絡敏感詞治理和網絡謠言治理兩大方面。一方面，網絡敏感詞治理。針對目前網絡技術環境與網絡信息傳播的方式，劉耕提出了一種“敏感信息關鍵詞庫”。[7]薛鵬強“對傳統的DFA過濾算法進行改進只須建立一次敏感信息決策樹，即可實現對網絡信息的多次過濾，當敏感詞語料庫發生更新時，可以實現對敏感詞的決策樹的實時更新”。[8]付聰通過“分析漢字的結構和讀音等特征提出了一種中文敏感詞變形體的識別方法。有效提高了敏感詞審查的準確率和效率”。[9]周昊提出“針對模糊匹配的漢字相似度對比算法，提出一種綜合考慮讀音及字形特點的音形碼漢字相似度改進算法，添加了精度參數來設置匹配精度，以此完成敏感詞檢測”。[10]王沖構建了“敏感句子與敏感詞詞典，并通過規則及相似度匹配策略對特征明顯的對話進行意圖識別”。[11]吳珊通過“對文本內容中敏感詞過濾方法及相關技術的研究，解決了敏感詞過濾技術中的人工干擾、分詞障礙等關鍵問題，提高了文本中敏感詞過濾的準確性和有效性”。[12]另一方面，對于網絡謠言治理研究，郭全中認為，“資訊平臺應進一步完善AI算法，給予真實、高質量的信息更多的權重”。[13]任哲在人工智能治理網絡謠言傳統模型的基礎上進行改造，“在人工智能自然語言處理技術的輔助下，將謠言技術監督環節細化為謠言識別和謠言治理兩個環節，從提高精準度和覆蓋率兩方面謀求突破”，[14]并指出人工智能技術助力網絡謠言治理的同時也存在一些局限性。劉彥認為，“完善網絡信息的大數據監管機制，建立網絡謠言大數據庫，并結合人工智能技術在更廣闊的范圍內實施網絡輿情分析研判、網絡輿情監測預警、網絡輿情控制應對、網絡輿情辨識評估”[15]米源提出采用半監督學習的圖卷積神經網絡，可有效利用無標注數據，“通過在有標注節點上訓練模型，更新所有節點共享的權重矩陣，將有標注的節點信息傳播給無標注節點，同時解決監督學習模型泛化能力不強和無監督學習模型不穩定的問題”。[16]

目前，有些技術已經成功地運用到各種互聯網和新媒體產品中，通過這些技術，機器能夠精確知曉用戶需求，并提供個性化推送與服務。同樣，也可以對那些擾亂公共秩序的網絡語言進行識別、過濾。然而，上述技術大多依據是機器學習——標記數據和有監督學習，即必須有人的干預，通過人對樣本進行標注，機器才能學會識別某一對象。對于小批量數據而言，這種方法是可行有效的，一旦數據增多，需要的人工支持和干預相應增加，其準確性也會受到一定程度影響。因此，我們提出基于深度學習的網絡語言規范智能管理模式。

三、基于深度學習的網絡語言規范智能管理模式

深度學習是機器學習領域中一個新的研究方向，更接近于人工智能的目標，“是學習樣本數據的內在規律和表示層次，它的最終目標是讓機器能夠像人一樣具有分析學習能力，能夠識別文字、圖像和聲音等數據”。[17]與傳統機器學習算法依靠人工標記輔助相比，深度學習算法不僅能夠處理海量數據，可以做到傳統人工智能算法無法做到的事情，輸出結果會隨著數據處理量的增大而更加準確。而且其本身還能生成一些新的數據，使機器自己學會一些概念，具備一定的人類學習和思考能力，故而可以取代人類一部分工作。

隨著互聯網的深入發展，特別是移動互聯網、物聯網、元宇宙等的產生和發展，網絡語言的使用會更加頻繁，產生的數據更為龐大。據IDC發布的《數據時代2025》預測，2025年，全世界每個聯網的人每天平均有4909次數據互動，是2015年的8倍多，相當于每18秒產生1次數據互動，全球每年產生的數據將從2018年的33ZB[18]增長到175ZB，相當于每天產生491EB的數據，目前美國的平均網速為25Mb/秒，一個人要下載完這175ZB的數據，需要18億年。[19]面對燦若繁星的巨量數據，傳統機器學習算法已經落后于互聯網的發展速度和規模，完全不能滿足信息傳播、把關的需求，嚴重威脅到了網絡安全建設，“會對語言安全、文化安全、意識形態安全帶來負面影響，需要高度警惕”。[20]網絡語言規范不僅是語言生態文明的治理范式，也是國家發展戰略的文化需求。將深度學習算法用于網絡語言治理，不僅可以提升網絡語言檢測的準確性，維護網絡社會與現實社會的穩定，而且還可以將人類從繁重的工作中解放出來，從事更多具有創造性的活動。

對此，我們把人工智能和把關人理論結合起來，嘗試應用人工智能技術建立網絡語言規范智能管理模式，以供網絡語言規范的社會治理使用。

（一）建立生態語言學視域下的網絡語言語料庫

“網絡語言是語言生態環境下語言多樣性的體現。”[21]網絡語言因應網絡而產生而發展，“自由創造、使用和傳播，但使用中約定俗成”是其典型特征。“網絡語言不再作為單一的網絡術語而存在，它以實時或相對延時的形式，以文字、數字、字母和符號為主要載體，存在于具有共享性與開放性的網絡聊天室、網絡社區、博客中，是網絡語言中最為活躍和網民們約定俗成的表達方式。”[22]針對網絡文字語言中變異字、變形字等不規范的網絡語言，應根據國家漢語語言規范標準，建立大規模網絡語言語料庫，這是進行網絡語言規范智能管理的前提條件。2014年，我國第一部全面貫徹《通用規范漢字表》的語文詞典《現代漢語規范詞典》再版，其中收錄了諸多網絡流行詞，如“吐槽”“失聯”“正能量”等，而一些不符合語法規范生造的縮略形式的網絡熱詞沒有被收錄，僅少數網絡語言能夠進入主流媒體和主流文化。多樣性的網絡語言的規范需要制訂明確的標準體系，因此，我們應該參照國家漢語語言規范標準，通過建立網絡語言語料庫，收集當下流行的網絡語言語料，并在此基礎上建立和完善網絡語言規范體系。

大規模語料庫的平臺建構可從生態語言學視域中的多層次研究路徑入手，對其進行宏觀的系統性分析研究。“對積極的、有利于網絡語言生態環境形成的語篇進行定性或定量分析，分析其概念意義、人際意義和語篇意義的具體特征，系統凝練出有利于網絡語言生態文明建構的語篇特點。”[23]在生態語言學的視角下，從具體的詞匯、語法、章句的微觀，到語境的語篇意義、概念意義、人際意義等的中觀，再到社會、文化等宏觀的網絡語言生態環境進行多層次的深入研究，為網絡語言規范制定全面而具體的標準體系提供參考。

（二）多模態的網絡語言語義語境的自動匹配

網絡語言是極其復雜多變的，要用人工智能進行治理，必須讓機器不斷學習。網絡語言不只是變異字、生僻字等語言符號的呈現，標點符號、數字諧音、表情符號、視頻、圖像等多模態的表現形式體現了網絡語言多樣性的特征。對于這些網絡語言，通過深度神經網絡可以構建一個學習網絡語言的模型。通過這個模型，可以對網絡語言的文本、圖像等信息進行學習和分析。基于深度神經網絡的模型，可以對多種信息來源或形式（即模態）進行橫向和縱向分析，對自動學習和深入學習有很大幫助。通過建立起的網絡語言學習模型，機器可以判斷哪些網絡語言可以傳播，哪些網絡語言屬于消極、負面的，并且不予通過和傳播。

基于大規模網絡語言語料庫的標準，對于失范用語、非規范的網絡語言可以進行分類與識別。基于深度神經網絡的模型可以自動學習網絡語言的深層表示，對文本、圖像等多模態信息特征提取，進行多模態融合模塊建構，包括模態間信息交互模塊、模態內信息增強模塊的信息傳播。使用深度學習模型對于文本、視覺、聲音等多元異構數據的深層特征的數據體，進行自動學習與深入學習具有極大的優勢。網絡語言使用需要語義語境的界定，滿足網絡空間交際場景的不同需求，加強全民語言對網絡語言的引導示范作用。如“逼格”“V5”“YYDS”等，在特定行業領域作為一種具有正向意義的網絡語言在使用，但在其他場景是不規范用語。人們進行信息檢索、使用語言及語義理解天然具有偏好的特征，因此，可以利用語義語境進行自動匹配。針對文本相似性度量進行匹配的任務，“主要通過生成基于WordNet的知識學習生成任務引入語言學知識，并與外部任務進行聯合訓練。”[24]提高文本匹配性能。此外，利用語言偏好信息進行雙邊匹配任務，“語言偏好信息下穩定匹配的定義和穩定匹配約束條件，通過將雙邊主體的語言偏好信息轉化為匹配滿意度，在考慮穩定匹配約束條件的基礎上，以最大化每方主體的滿意度為目標，建立雙邊匹配模型”。[25]通過網絡語言語義與其所處的現實語境進行匹配，為最后的內容識別提供依據。

（三）網絡語言中不規范內容的識別與檢測

隨著社交媒體的飛速發展，人際傳播、大眾傳播、網絡傳播等融合傳播是勢不可擋的傳播現狀。在網絡語言中存在大量語言暴力、低俗語言以及各種隨意拼貼的不通用的語言等不規范語言內容，特別是在社交平臺的評論中，針對某一事件或某一人物，出現長期或短時的大規模暴力、低俗語言現象，甚至會延至線下，對社會造成不良影響，影響公共事件進程。另外，如有關政治術語和敏感詞的網絡語言，基于意識形態和文化安全的考量，都是屬于規范治理的內容。因此，社交媒體的網絡語言規范化管理同樣需要重視，并加以監督過濾與引導。因為社交評論數量的大數據特征，構建初始數據集，采用Python程序進行數據清洗，應用深度學習分類模型建立網絡語言分類樣本集，經過清洗標注后得到網絡非規范用語小樣本數據集，選擇不同的分類算法選取最優模型，進行內容識別與檢測，以可視化形式呈現。在選擇分類模型時可以比較選擇，如長短期記憶網絡（Long Short-term Memory，LSTM）是“深度學習中針對股票、文本這樣的序列數據提出的模型，很適合用來解決文本分類問題”。[26]傳統二分類法是初級分類，進一步使用細粒度情感分析對網絡暴力、低俗用語中的每一層級再做細致分類，探析成因、影響因素、事件節點等多維度的影響要素及結果，從而更有針對性地進行評論語言網絡空間凈化，引導網絡語言正向傳播和健康發展。

綜上所述，我們可以建立起網絡語言規范智能把關模式，基本原理和流程如下圖。

四、基于深度學習的智能把關理論

我們認為，智能把關理論是基于智能把關活動提出的，智能把關是建立在對網絡大數據進行的識別、分析、學習的基礎上進行的把關活動，它在一定程度上改變、代替、補充了傳統把關方式。智能把關理論是研究者在新技術、新形勢下，對傳統把關理論的擴展、補充，具有把關主體隱蔽多樣、把關標準動態變化、把關算法不斷優化等三個方面的特點。

（一）把關主體隱蔽多樣

傳統把關理論認為，把關人是多種多樣的，“守門行為出現在媒介組織內部”，[27]包括新聞采集和新聞加工兩個部分，他們決定了在大眾傳播中哪些信息可以傳播，以及如何傳播。傳統機器學習算法的信息把關人是由人工和機器一起組成，基于深度學習算法的智能把關方式同樣是由機器和人共同組成，不同于傳統機器學習算法的是，這里的人工往往是能夠編寫、控制算法的人、媒介組織、行政機構，“凸顯了平臺和媒體機構的價值觀念。不同的媒體平臺對不同算法規則的設計和使用體現了該平臺對信息的選擇標準”，[28]且一般情況下用戶感受不到人工的存在，只有在傳播出現異常的情況下，比如違反國家法律、道德，包含敏感詞、網絡謠言等，而導致的傳播中斷，用戶才能感受到他們的干預。因此，智能把關理論與模式下，對媒介組織、行政機構人員的信息化素養提出了更高的要求。

科技賦能助力網絡空間治理，而網絡語言治理是一項長期復雜的社會系統工程。且當前研究主要集中在文字語言，相比而言，音視頻、圖片、符號語言等網絡語言治理難度較大。在當今網絡社會中，大眾傳播、組織傳播、群體傳播、人際傳播等融合傳播，愈發模糊傳播邊界。因此，本研究并未嚴格區分傳播類型，尤其是因應社交媒體所產生的社會影響，將大眾傳播、群體傳播、人際傳播等產生的網絡語言規范治理把關模式作為本研究重點，利用深度學習技術方法與應用建構內容分類、內容識別、語義語境自動匹配等模式。在進一步的研究中，可以將包括政府、社區、社會組織、網絡媒體、個人等主體作為具體的研究對象進行細化分析，進行多層次的治理模式探析，建立健全科學化、規范化、標準化的評估機制和指標體系。

（二）把關標準動態變化

隨著把關主體產生變化，把關標準也產生了相應的改變，變得更為客觀。首先，信息的選擇標準更為客觀。在傳統媒介組織把關下，信息能否進入傳播渠道不僅主要取決于對信息價值的判斷，與新聞編輯、媒介組織等個人或組織的喜好和情緒也有一定的關系，不管是信息價值還是喜好和情緒，都是個人或組織的主觀表現。也就是說，信息傳播不完全由其質量決定，也與把關人的水平、好惡、情感有關，把關活動成了主觀的、感性的、情感的、非理性的活動，與信息本身的關聯度不大，也會衍生受賄、腐敗、官僚主義作風等不良行為，這些都不利于信息的流通，阻礙了傳播活動的正常進行。基于深度學習算法的智能把關能夠規避這一問題，機器沒有情感，遠離了喧囂的生活和人情世故，不會因為長期工作而煩惱厭倦。把關標準一旦形成，只要人們設計的算法沒有問題，沒有出現不公正或偏袒的設計，機器的判斷就是完全客觀的，值得信賴。

其次，信息的識別標準更為客觀。傳統模式下，與信息的篩選一樣，信息的編輯、修改、排版等同樣也取決于個人或組織的喜好，雖然媒介組織內部有一整套把關標準，但往往“結果不是難以把握，就是有所疏漏”。[29]智能把關可以解決這一問題，基于深度學習算法的把關標準一旦形成，把關問題就交給機器去完成，可以提高把關效率，提升把關精準度。媒介組織以及相關機構只需在出現某些極為異常情況時，對算法進行適當調整即可。

第三，把關標準是動態的。傳統把關標準一旦形成，在一定時間內很難改變，如上所述，智能把關標準是客觀的，但是，現實生活往往是不斷變化的，因此，把關標準應當具備動態性，應隨著現實的變化而迅速做出相應對策。機器學習、深度學習等技術與應用在不斷更新變化，能夠解決問題的應用方法也愈發多樣，能夠及時跟蹤、評價、反饋和及時調整規范治理體系。故而，能否發現問題成為智能把關的關鍵。深度學習能夠高效地學習異構數據特征之間的交叉信息，如Deep FM的模型架構，可用于點擊率（Click-Through Rate，CTR）預測。因此，在進一步的研究中，通過深度學習模型應用于網絡新詞、熱詞的排行榜、使用率的預測，可作為網絡語言規范推薦與引導的利器。此外，隨著智媒場景時代的到來，萬物皆媒、人機共生、自我進化的特征催生媒體變革，要處理好技術的科學邏輯與人文倫理的關系，更要確立主流價值觀引領智能傳播的觀念，建設多種治理引導傳播機制，推動網絡社會健康有序新發展。

（三）把關算法不斷優化

網絡語言治理中的人工智能應用，不僅限于智能把關，也可以用于算法推薦，“算法的運用將用戶的需求體現在算法程序的設計上，促使用戶成為無形的把關人，用戶需求以及對應的個性化信息成為信息選擇的主要標準之一”。[30]我們可以把網絡語言規范納入算法推薦權重中，符合規范的大力推薦，反之不推薦或禁止。最近，國家網信辦發布了《互聯網信息服務算法推薦管理規定》，規范互聯網信息服務算法推薦活動，是維護國家安全和社會公共利益，促進網絡語言規范健康發展的重要舉措。把關和推薦一抑一揚，構建了更加全面和完善的網絡語言治理體系。

智能把關模式與理論擴展了傳統把關活動和理論的內涵，改變了把關活動的行為模式，不僅提升了把關的客觀性、準確性，做到與時俱進，還為用戶創造了便捷的接收信息方式，有助于凈化網絡空間，打造和諧、綠色、可持續發展的網絡環境。但是，當今互聯網平臺算法大行其道，不少網民已習慣從 APP 中接收推送、獲取信息，在商業邏輯和算法的加持下，各類 APP 的信息供給“投其所好”單一同質，使受眾困于“信息繭房”而不自知。“具有輿論屬性或者社會動員能力的算法對社會秩序有較大的影響力，但是，不能將算法看成是一個純技術手段，其所屬平臺必須履行社會責任，接受公眾監督，以社會效益優先，平衡好社會效益和經濟效益的關系。對算法推薦服務提供者而言，接受互聯網信息服務算法監管，是民眾呼聲也是行業發展的需要”。[31]另外，算法邏輯下的人力缺失，也帶來了一些負面效應，出現“反轉新聞層出不窮，極大地擾亂了公眾認知，在輿論引導上走向偏差”[32]“用戶閱讀淺薄化和低俗化”[33]“主導意識形態面臨著凝聚力弱化、權威失落、引導乏力和認同窄化的風險”[34]等問題。因此，網絡與新媒體平臺不能只看重經濟利益，應將社會效益與平臺發展相結合，增強社會責任感，樹立正確的價值導向，賦予技術以正確的價值理念，從技術層面來解決因技術發展而產生的一系列負面效應和問題。

結語

“作為一種歷史必然性出現，人們呼吁語言滿足社會對它的要求，它反映了社會狀況，并為社會的進步做出了積極貢獻，這是語言與社會之間的辯證關系”。[35]網絡語言是獨特的網絡文化，隨著互聯網的飛速發展與社會影響，其仍在不斷創新變化中，成為中國文化軟實力不可分割和難以忽略的一部分，“強國必強語”。文化軟實力集中體現了一個國家基于文化而具有的凝聚力和生命力，以及產生的吸引力和影響力。伴隨網絡語言的發展對語言文化的影響，語言與文化的影響相輔相成，尤其是外來語及不同文化的語言詞匯，也加入本土語言傳播中對傳統文化帶來沖擊，“食洋不化”、肆意扭曲，語言文化規范問題事關重大。當前“網絡空間與現實空間深度融合，網絡問題向政治、經濟、社會、文化等領域傳導滲透，成為影響各國主權、安全和發展及國際關系調整的重要變量”。[36]在新網絡安全理念下，網絡語言問題已是社會問題。作為“精神家園的互聯網”所產生的傳播力與影響性，尤其是網絡失范用語對青少年容易造成不知本義、張冠李戴、錯誤認知的負面影響，這是亟待解決的文化危機。因此，我們要持續推進“中國語言”的文化力量，夯實國家文化軟實力的根基。“創新是媒體融合發展的強大動力，規范則是網絡語言承載健康內容有效傳播的根本保障”。[37]在人工智能賦能網絡語言治理的同時，還須提高全民網絡語言素養，通過政府積極的教育引導，促進公民網絡用語規范意識的提升，推動網絡語言規范治理體系構建。

本文為國家社科基金項目“西部縣級融媒體中心社區傳播力研究（19XXW003）階段性成果。

注 釋：

[1]陳麗湘：政策網絡視閾下的媒體語言治理初探[J].中國廣播電視學刊，2021（06）：42.

[2]金君俐：網絡語言暴力的成因和對策初探[J].新聞實踐，2009（04）：64.

[3]阮立，朱利安·華勒斯，沈國芳：現代把關人理論的模式化——個體、算法和平臺在數字新聞傳播領域的崛起[J].當代傳播，2018（02）：91.

[4]羅昕，肖恬：范式轉型：算法時代把關理論的結構性考察[J].新聞界，2019（03）：10.

[5] [英]戴維·克里斯特爾：語言與因特網[M].郭貴春、劉全明 譯，上海：上海科技教育出版社，2006：31.

[6]邵培仁：傳播學[M].北京：高等教育出版社，2012：183.

[7]劉耕，方勇，劉嘉勇：基于關聯詞和擴展規則的敏感詞庫設計[J].四川大學學報（自然科學版），2009（05）：667.

[8] 薛朋強，努爾布力，吾守爾·斯拉木：基于網絡文本信息的敏感信息過濾算法[J].計算機工程與設計，2016（09）：2247.

[9] 付聰，余敦輝，張靈莉：面向中文敏感詞變形體的識別方法研究[J].計算機應用研究，2019（04）：988.

[10] 周昊，沈慶宏：基于改進音形碼的中文敏感詞檢測算法[J].南京大學學報（自然科學版），2020（03）：270.

[11] 王沖，張虎，王鑫，劉全明：融合敏感詞規則和字符級RCNN模型的用戶意圖識別[J].2020（03）：160.

[12] 吳珊，李英祥，徐鴻雁，張仕霞，施宜軍：基于改進的Trie樹和DFA的敏感詞過濾算法[J].計算機應用研究，2021（06）：1678.

[13] 郭全中：互聯網時代的網絡謠言治理研究[J].新聞愛好者，2018（06）：31.

[14] 任哲，李永鳳：人工智能參與網絡謠言治理的未來圖景[J].青年記者，2018（02下）：79.

[15] 劉彥，王晶：公共衛生事件的網絡謠言監管困境與治理策略[J].學術前沿，2020（11下）：160.

[16] 米源：基于圖卷積網絡的謠言鑒別研究[J].計算機工程與應用，2021，57（13）：161.

[17] 陳先昌：基于卷積神經網絡的深度學習算法與應用研究[D].碩士學位論文，浙江工商大學，2013年：I.

[18]1PB=1024TB，1EB=1024PB，1ZB=1024EB，1YB=1024ZB.

[19]不可思議的數字：互聯網每天到底能產生多少數據？

[20]成丕德：凈化網絡語言[J].新聞戰線，2018（12）：3.

[21]梁海英：從生態語言學視角研究網絡語言[N].中國社會科學報，2019-12-10（009）.

[22]高瑩：語言文化學視角的俄語網絡流行語發展與規范[J].現代交際，2021（03）：94.

[23]梁海英.從生態語言學視角研究網絡語言[N].中國社會科學報，2019年12月10日第009版.

[24]周燁恒，石嘉晗，徐睿峰：結合預訓練模型和語言知識庫的文本匹配方法[J].中文信息學報，2020（02）：63.

[25]張迪，孫濤，陳曄，萬良琪：基于語言偏好信息的穩定雙邊匹配決策方法[J].運籌與管理，2019（02）：60.

[26]洪巍，李敏：文本情感分析方法研究綜述[J].計算機工程與科學，2019（04）：750.

[27] 邵培仁：傳播學（修訂版）[M].北京：高等教育出版社，2012：129.

[28] 段俏：淺析算法技術對新聞業的解構與反思[J].出版廣角，2018（09下）：69.

[29] 邵培仁：傳播學（修訂版）[M].北京：高等教育出版社，2012：131.

[30] 段俏：淺析算法技術對新聞業的解構與反思[J].出版廣角，2018（09下）：69.

[31] 譚天.加大力量破解“信息繭房”[J].中國新聞出版廣電報，2021-08-31（5）.

[32]彭東：算法邏輯下傳統媒體把關機制的堅守與變革[J].青年記者，2018（10下）：52.

[33] 鄭欽方：算法推送時代把關人角色的轉變及應對[J].青年記者，2018（09下）：31.

[34] 張林：智能算法推薦的意識形態風險及其治理[J].探索，2021（01）：176.

[35] 高瑩.語言文化學視角的俄語網絡流行語發展與規范[J].現代交際，2021（03）：95.

[36] 全國干部培訓教材編寫指導委員會組織編寫.全面推進中國特色大國外交[M].北京：人民出版社，黨建讀物出版社，2019：193.

[37] 任靜，其其格，張洪霞，劉東.新媒體時代網絡語言的吸納與規范[J].中國廣播，2016（05）：51.

（譚天，廣州華商學院特聘教授、未來媒體研究院院長、暨南大學教授;邵澤宇，廣州華商學院講師;司崢鳴，哈爾濱工業大學副教授）

譚天：暨南大學新聞與傳播學院教授、新媒體研究所所長，中國社科院新媒體研究中心特聘研究員、央視CTR媒體融合研究院專家、廣州華商學院特聘教授、未來媒體研究院院長。