基于用戶畫(huà)像的智能推薦研究

徐立萍 何丹 陸元文

摘要：智能技術(shù)在用戶畫(huà)像分析與內(nèi)容推薦方面的應(yīng)用已較為廣泛，但在為用戶提供方便的過(guò)程中，仍存在一些問(wèn)題。以覆蓋面最廣、日活躍用戶最多的短視頻平臺(tái)抖音APP作為應(yīng)用案例，通過(guò)問(wèn)卷調(diào)查的形式，以抖音用戶為受訪對(duì)象，厘清在基于用戶畫(huà)像的智能推薦機(jī)制下用戶的使用情況與滿意程度，挖掘和探索智能推薦系統(tǒng)對(duì)用戶產(chǎn)生的影響，找出影響用戶使用滿意度的重要因素，提出優(yōu)化智能推薦策略的建議。

關(guān)鍵詞：用戶畫(huà)像 智能推薦 算法 抖音

自20世紀(jì)90年代至今，智能推薦系統(tǒng)已成為用戶提供信息檢索和信息過(guò)濾的重要手段。在信息的分發(fā)過(guò)程中，智能推薦系統(tǒng)以用戶的身份信息、社交信息、地理位置、歷史瀏覽痕跡等為依據(jù)，分析出系統(tǒng)中用戶最感興趣的內(nèi)容，并將其排序呈現(xiàn)在用戶面前，本質(zhì)上是對(duì)用戶、環(huán)境和信息進(jìn)行合理的匹配。抖音就是通過(guò)智能推薦系統(tǒng)實(shí)現(xiàn)對(duì)用戶的內(nèi)容分發(fā)，利用智能技術(shù)進(jìn)行用戶畫(huà)像，并根據(jù)用戶畫(huà)像向其自動(dòng)推送合適的內(nèi)容，有效地提高了用戶滿意度以及黏性。

抖音是2016年由字節(jié)跳動(dòng)孵化并上線的短視頻平臺(tái)，距今上線已超過(guò)5年。根據(jù)抖音發(fā)布的《2020抖音數(shù)據(jù)報(bào)告》，2020年抖音日活躍用戶突破6億、日均視頻搜索次數(shù)突破4億。并且從北上廣深等超一線城市向中西部三四線小城鎮(zhèn)逐漸下沉，成為當(dāng)前中國(guó)互聯(lián)網(wǎng)市場(chǎng)上覆蓋面最廣、日活躍用戶最多的短視頻社區(qū)平臺(tái)。

抖音的成功離不開(kāi)它優(yōu)秀的智能內(nèi)容推薦系統(tǒng)。但長(zhǎng)期以來(lái)，業(yè)界和學(xué)界更多的關(guān)注個(gè)性化內(nèi)容推薦機(jī)制，少有人從用戶的角度來(lái)思考和探索，即用戶對(duì)個(gè)性化推薦機(jī)制下的應(yīng)用使用滿意度如何？這套機(jī)制給用戶造成了怎樣的影響？帶著這樣的疑問(wèn)出發(fā)，以抖音APP為研究對(duì)象，通過(guò)問(wèn)卷調(diào)查，探尋智能推薦算法對(duì)用戶產(chǎn)生的影響，并基于調(diào)查結(jié)果提出優(yōu)化智能推薦策略的建議。

用戶畫(huà)像與內(nèi)容推薦都是智能技術(shù)在內(nèi)容生產(chǎn)過(guò)程中得到廣泛應(yīng)用的環(huán)節(jié)。用戶畫(huà)像是溝通內(nèi)容生產(chǎn)者與消費(fèi)者的一座重要橋梁，通過(guò)收集用戶信息、將用戶特征總結(jié)為標(biāo)簽，構(gòu)建用戶畫(huà)像，對(duì)選題策劃做出指導(dǎo)，可為用戶量身定制內(nèi)容，也可以利用內(nèi)容推薦系統(tǒng)從已有的優(yōu)質(zhì)內(nèi)容中挑選符合用戶需求的內(nèi)容進(jìn)行分發(fā)，實(shí)現(xiàn)內(nèi)容和需求的精準(zhǔn)匹配。

1.抖音通過(guò)大數(shù)據(jù)多角度進(jìn)行用戶畫(huà)像。用戶畫(huà)像在英文中的單詞是Persona，這個(gè)詞最早應(yīng)用于交互設(shè)計(jì)領(lǐng)域，源于要提高產(chǎn)品的體驗(yàn)，必須足夠了解用戶，因此通過(guò)溝通、觀察用戶的生活來(lái)建立起對(duì)用戶的同理心。Cooper認(rèn)為，用戶畫(huà)像是對(duì)真實(shí)用戶的虛擬表示，是基于一系列數(shù)據(jù)建構(gòu)而成的目標(biāo)用戶模型。本文認(rèn)為，在內(nèi)容生產(chǎn)語(yǔ)境下，用戶畫(huà)像指的是通過(guò)收集、分析和處理內(nèi)容消費(fèi)者的人口統(tǒng)計(jì)學(xué)特征、行為偏好屬性等信息，形成一系列精煉的特征標(biāo)識(shí)，再將這些特征標(biāo)識(shí)組合成標(biāo)簽組，成為讓人能夠理解的用戶模型。在內(nèi)容分發(fā)過(guò)程中，用戶的興趣點(diǎn)是主要的推送點(diǎn)。

抖音首先關(guān)注用戶的歷史瀏覽偏好、使用環(huán)境，以及年齡、職業(yè)、性別等人口統(tǒng)計(jì)學(xué)特征，便于更加精準(zhǔn)地進(jìn)行內(nèi)容推送。除此之外，抖音也關(guān)注用戶對(duì)于視頻推薦結(jié)果的行為反饋，如點(diǎn)擊、觀看、收藏、評(píng)論等。當(dāng)用戶使用抖音APP觀看短視頻時(shí)，會(huì)通過(guò)APP的UI界面與內(nèi)容產(chǎn)生交互。短視頻APP的后臺(tái)設(shè)置用戶行為并上報(bào)系統(tǒng)以記錄用戶行為，用戶行為首先被手機(jī)記錄下來(lái)并上傳到APP的日志系統(tǒng)，之后由APP上傳行為數(shù)據(jù)并進(jìn)行分析，生成推薦數(shù)據(jù)列表，產(chǎn)生用戶畫(huà)像。

2.抖音采取多形式智能推薦機(jī)制進(jìn)行內(nèi)容分發(fā)。移動(dòng)短視頻內(nèi)容上傳都會(huì)打上相應(yīng)的標(biāo)簽。抖音的智能推薦系統(tǒng)根據(jù)數(shù)百萬(wàn)維度的用戶標(biāo)簽以及相關(guān)性、環(huán)境、熱度、協(xié)同等模型，了解用戶的狀態(tài)變化，從而推薦最合適的信息。

抖音的短視頻推薦形式主要有以下幾種：第一，智能疊加推薦，系統(tǒng)先把短視頻推薦給少量可能感興趣的用戶，通過(guò)用戶評(píng)論等數(shù)據(jù)進(jìn)行校準(zhǔn)，若效果好再推送給更多興趣相似的用戶。第二，協(xié)同過(guò)濾推薦，通過(guò)考慮用戶與用戶之間的相似度來(lái)進(jìn)行內(nèi)容推薦，找出相似用戶喜歡的內(nèi)容后推送給其他相似用戶。第三，社交關(guān)系推薦，分為以社交圖譜為代表的強(qiáng)關(guān)系推薦，以及以興趣圖譜為代表的弱關(guān)系推薦。社交圖譜是以親戚朋友、同學(xué)同事、社團(tuán)成員、朋友的朋友等現(xiàn)實(shí)中的熟人為主要關(guān)系對(duì)象構(gòu)建的社交網(wǎng)絡(luò)圖譜。而興趣圖譜是以共同的專業(yè)、興趣、愛(ài)好、話題等線索構(gòu)建的社交網(wǎng)絡(luò)圖譜。

本研究采用問(wèn)卷調(diào)查法收集抖音APP用戶的數(shù)據(jù)并進(jìn)行統(tǒng)計(jì)分析。通過(guò)問(wèn)卷星等線上渠道發(fā)放并回收341份問(wèn)卷。剔除在問(wèn)卷“您是否使用抖音？”中選擇“否”及完成時(shí)間小于60秒的問(wèn)卷后，共計(jì)得到253份有效問(wèn)卷。問(wèn)卷共設(shè)20題，主要測(cè)量和分析了以下幾方面內(nèi)容。

1.抖音的使用情況。本研究調(diào)查用戶對(duì)抖音的使用情況，主要從使用時(shí)長(zhǎng)、天數(shù)、動(dòng)機(jī)、觀看視頻類型和觀看視頻方式幾個(gè)方面進(jìn)行分析。

其中，調(diào)查使用時(shí)長(zhǎng)從使用總時(shí)長(zhǎng)和平均每天使用時(shí)長(zhǎng)兩個(gè)維度進(jìn)行統(tǒng)計(jì)；使用動(dòng)機(jī)從學(xué)習(xí)、娛樂(lè)消遣、跟風(fēng)、追星、社交以及其他幾個(gè)維度來(lái)統(tǒng)計(jì)數(shù)據(jù)；用戶觀看的視頻類型根據(jù)抖音APP上常見(jiàn)的視頻內(nèi)容劃分，劃分為時(shí)事社會(huì)類、表演類（唱歌、舞蹈等）、生活類（美食、美妝、穿搭等）、搞笑類、技能教學(xué)類、動(dòng)漫游戲類、網(wǎng)紅明星類以及其他等類型；用戶觀看視頻的方式按照觀看抖音推送的視頻、根據(jù)個(gè)人喜好直接搜索關(guān)鍵詞瀏覽、瀏覽熱搜榜單上的內(nèi)容、瀏覽好友發(fā)布的內(nèi)容以及其他這幾種分類進(jìn)行數(shù)據(jù)收集。

2.用戶使用推薦內(nèi)容的滿意程度。調(diào)查用戶使用抖音通過(guò)智能推薦算法推送的視頻內(nèi)容滿意程度，通過(guò)李克特五級(jí)量表進(jìn)行信息獲取，掌握用戶對(duì)抖音的智能推薦機(jī)制的滿意程度。

3.影響用戶使用滿意度的因素分析。分析影響用戶使用滿意度的因素，采用三步走的分析方法。首先，對(duì)變量進(jìn)行正態(tài)分布檢驗(yàn)；其次，利用回歸分析和T檢驗(yàn)進(jìn)行相關(guān)性分析；最后，以推薦系統(tǒng)推送不良信息頻率、單一化傾向、推薦內(nèi)容與用戶喜好內(nèi)容匹配程度、持續(xù)觀看意愿、對(duì)不同類型視頻推薦的信任程度、推薦視頻的感知價(jià)值、隱私提供意愿作為自變量，推薦視頻使用滿意度為因變量，建立線性回歸模型。

4.內(nèi)容推薦對(duì)用戶產(chǎn)生的影響。根據(jù)問(wèn)卷中推薦系統(tǒng)推送不良信息頻率、單一化傾向、推薦內(nèi)容與用戶喜好內(nèi)容匹配程度、持續(xù)觀看意愿、對(duì)不同類型視頻推薦的信任程度、推薦視頻的感知價(jià)值、隱私提供意愿等問(wèn)題的調(diào)查結(jié)果，進(jìn)行抖音個(gè)性化內(nèi)容推薦機(jī)制對(duì)用戶的正面影響和負(fù)面影響分析。

5.人口統(tǒng)計(jì)學(xué)特征變量。人口統(tǒng)計(jì)學(xué)特征變量包括用戶的性別、年齡、學(xué)歷和收入情況。

通過(guò)問(wèn)卷調(diào)查，在抖音用戶特征、用戶對(duì)抖音算法推薦的滿意程度、智能算法推薦對(duì)用戶的影響具有以下研究結(jié)果。

1.抖音用戶特征。第一，用戶黏性高。在被調(diào)查者中，有77.87%的受訪對(duì)象表示使用抖音的時(shí)長(zhǎng)已超過(guò)12個(gè)月，60.87%的受訪對(duì)象每天都會(huì)使用抖音，有超過(guò)50%的被訪者每天使用抖音的時(shí)長(zhǎng)為30分鐘～1小時(shí)。由此表明，抖音擁有較大的用戶市場(chǎng)，有很強(qiáng)的用戶黏性。

第二，以“娛樂(lè)消遣”為主要使用動(dòng)機(jī)。針對(duì)多選題各選項(xiàng)選擇比例分布是否均勻，使用卡方擬合優(yōu)度檢驗(yàn)進(jìn)行分析。根據(jù)表1結(jié)果可知，擬合優(yōu)度檢驗(yàn)呈現(xiàn)出顯著性（χ2=292.549，p=0.000<0.05），各項(xiàng)的選擇比例具有明顯差異性，可通過(guò)響應(yīng)率或普及率具體對(duì)比差異性，“消遣”選項(xiàng)的響應(yīng)率和普及率明顯較高。由此表明，用戶使用抖音的動(dòng)機(jī)多種多樣，但是“消遣”是用戶使用抖音的第一大動(dòng)機(jī)，占比高達(dá)93.68%。其次是“社交”和“學(xué)習(xí)”，分別占比38.74%和34.78%。

第三，生活類、搞笑類視頻更受歡迎。同理進(jìn)行卡方擬合優(yōu)度檢驗(yàn)，結(jié)果表明抖音視頻中表演類（唱歌、舞蹈等）、生活類（美食、美妝、穿搭等）、搞笑類共3項(xiàng)的響應(yīng)率和普及率明顯較高。這說(shuō)明絕大部分抖音用戶都喜歡生活類和搞笑類視頻，分別占比80.63%和74.70%，其次是表演類視頻和時(shí)事社會(huì)類視頻，分別占比58.50%和50.20%。同時(shí)，性別對(duì)于生活類、技能教學(xué)類、動(dòng)漫游戲類、網(wǎng)紅明星類視頻呈現(xiàn)顯著性差異，女性更偏向于觀看生活類、網(wǎng)紅明星類視頻內(nèi)容，而男性則更愛(ài)看技能教學(xué)類和動(dòng)漫游戲類視頻。

第四，對(duì)算法推薦的視頻接受度較高。通過(guò)對(duì)用戶觀看視頻的方式的問(wèn)卷結(jié)果統(tǒng)計(jì)發(fā)現(xiàn)抖音用戶對(duì)算法推薦的視頻接受度較高。選項(xiàng)“觀看抖音隨機(jī)推送的視頻”和選項(xiàng)“根據(jù)個(gè)人喜好搜索關(guān)鍵詞瀏覽”共2項(xiàng)的響應(yīng)率和普及率明顯較高。由此可見(jiàn)，雖然用戶瀏覽抖音視頻的方式不同，但是其中90.91%的用戶都會(huì)觀看抖音隨機(jī)推送的短視頻，說(shuō)明用戶對(duì)抖音算法推薦系統(tǒng)推薦的視頻內(nèi)容接受度較高。除了觀看抖音隨機(jī)推送的短視頻之外，抖音用戶也喜歡根據(jù)個(gè)人喜好搜索關(guān)鍵詞瀏覽視頻、瀏覽熱搜榜單上的內(nèi)容以及瀏覽抖音上好友發(fā)布的內(nèi)容，普及率占比分別為52.57%、50.20%、41.11%。

2.受訪者對(duì)抖音算法推薦的滿意程度及其影響因素分析。受訪者對(duì)抖音算法推薦的滿意程度調(diào)查結(jié)果顯示，受訪對(duì)象對(duì)抖音的算法推薦的滿意程度（1-5分），均值3.775，中位數(shù)為4，有71.38%的被調(diào)查者選擇了“比較滿意”。換言之，受訪者對(duì)抖音的算法推薦總體上感到比較滿意。

使用K-S檢驗(yàn)對(duì)問(wèn)卷量表題變量進(jìn)行正態(tài)性檢驗(yàn)，結(jié)果表明樣本數(shù)據(jù)基本呈現(xiàn)正態(tài)分布，可以進(jìn)行回歸分析及T檢驗(yàn)等方法進(jìn)行相關(guān)性分析。對(duì)總體模型進(jìn)行方差分析可知，推薦系統(tǒng)過(guò)濾不良信息能力、單一化傾向、推薦內(nèi)容與用戶喜好內(nèi)容匹配程度、持續(xù)觀看意愿、對(duì)不同類視頻推薦的信任程度、推薦視頻的感知價(jià)值、隱私提供意愿中至少一項(xiàng)和推薦視頻滿意度的變異的解釋是統(tǒng)計(jì)顯著的。通過(guò)分別考察每個(gè)變量的回歸系數(shù)可知，推薦視頻的感知價(jià)值會(huì)對(duì)推薦視頻的滿意度產(chǎn)生顯著的正向影響關(guān)系，而推薦系統(tǒng)推送不良信息的頻率會(huì)對(duì)推薦視頻的滿意度產(chǎn)生顯著的負(fù)向影響關(guān)系。

3.智能算法推薦對(duì)用戶的影響。第一，算法推薦精準(zhǔn)定位用戶需求提升使用滿意度。精準(zhǔn)內(nèi)容推薦可以洞察用戶需求與使用習(xí)慣，向其推薦合適的內(nèi)容。通過(guò)洞察用戶的需求與習(xí)慣，可以挑選適合的內(nèi)容對(duì)用戶進(jìn)行精準(zhǔn)化引導(dǎo)和訓(xùn)練。此次調(diào)查中，有超過(guò)50%的受訪者表示抖音推薦的視頻精準(zhǔn)滿足了他們的觀看需求，幫助他們找到需要的視頻。同時(shí)，有53%的受訪者表示他們?cè)诙兑敉扑]的視頻和自己搜索的視頻中都找到了自己喜歡的視頻，38.73%的受訪者表示比起自己搜索，系統(tǒng)推薦的視頻更加符合他們的喜好。由此可見(jiàn)，抖音的算法推薦系統(tǒng)能夠比較精準(zhǔn)的定位用戶需求和喜好。根據(jù)前文分析，推薦視頻的感知價(jià)值對(duì)推薦視頻的滿意度呈顯著正向影響，這說(shuō)明抖音智能內(nèi)容推薦系統(tǒng)推薦的內(nèi)容越精準(zhǔn)越符合用戶需求，則用戶對(duì)其滿意度越高。

第二，算法推薦系統(tǒng)生成用戶畫(huà)像過(guò)程中存在侵犯隱私風(fēng)險(xiǎn)。用戶畫(huà)像融合了5種屬性：基本屬性、資源屬性、行為屬性、社會(huì)屬性、情境屬性。基于這些信息利用數(shù)據(jù)挖掘、數(shù)據(jù)分析等技術(shù)對(duì)用戶群體作多維交互分析，可以洞悉用戶行為特征分布情況、用戶群體的流動(dòng)趨勢(shì)與活躍程度變化態(tài)勢(shì)，從而根據(jù)用戶呈現(xiàn)出的不同特征來(lái)為其匹配更具針對(duì)性的服務(wù)資源。

數(shù)字化媒介時(shí)代，個(gè)人隱私作為敏感信息，具備極高的經(jīng)濟(jì)價(jià)值。很多互聯(lián)網(wǎng)公司為了掌握用戶需求、提高服務(wù)質(zhì)量并節(jié)約服務(wù)成本而收集用戶信息。若公司經(jīng)營(yíng)管理不當(dāng)，濫用用戶的身份信息、行為數(shù)據(jù)等敏感數(shù)據(jù)，或者將用戶數(shù)據(jù)出售給不法商業(yè)機(jī)構(gòu)，則很可能被不法分子利用，侵害用戶的合法正當(dāng)權(quán)益。調(diào)查結(jié)果表明，在提問(wèn)受訪者對(duì)于向抖音提供個(gè)人信息用于內(nèi)容推薦的意愿時(shí)，選擇“比較不愿意”和“比較愿意”的被調(diào)查者數(shù)分別占約30%，另有18.48%的被調(diào)查者選擇了“不確定”，平均值為2.968。這表明，抖音用戶對(duì)于用戶畫(huà)像過(guò)程中收集并分析個(gè)人數(shù)據(jù)存在一定疑慮。

第三，算法推薦單一化傾向易造成“信息繭房”。在調(diào)查“抖音推薦系統(tǒng)是否存在內(nèi)容單一化傾向”問(wèn)題中選擇“很少出現(xiàn)這種情況”和“較少出現(xiàn)這種情況”的被調(diào)查者合計(jì)僅有39.13%，說(shuō)明抖音的內(nèi)容推薦系統(tǒng)存在一定的單一化傾向。在調(diào)查抖音用戶對(duì)系統(tǒng)推薦的與原來(lái)看的視頻主題/類型不同的視頻接受度時(shí)，受訪者中有25.36%選擇了“看得比較少”，29.35%選擇了“不確定”，32.61%選擇了“看得比較多”。說(shuō)明抖音用戶存在一定的選擇性觀看視頻的情況。由于算法推薦往往基于用戶歷史行為數(shù)據(jù)進(jìn)行，因而會(huì)傾向于根據(jù)瀏覽歷史向用戶推薦類型相似的內(nèi)容。長(zhǎng)此以往容易造成用戶的興趣面和知識(shí)面狹窄，甚至可能使得用戶產(chǎn)生認(rèn)知偏見(jiàn)。內(nèi)容推薦的單一化傾向潛移默化地培養(yǎng)了用戶有選擇性的觀看某些固定類型的視頻的觀看習(xí)慣，容易造成“信息繭房”。

第四，算法推薦造成信息過(guò)載，導(dǎo)致用戶沉溺。調(diào)查結(jié)果顯示，71.55%的受訪者表示他們?cè)跒g覽抖音隨機(jī)推送的視頻時(shí)經(jīng)常會(huì)不自覺(jué)地刷更多的視頻，從而延長(zhǎng)APP使用時(shí)間。這表明，用戶對(duì)系統(tǒng)推薦的視頻越滿意，用戶使用抖音的頻率越高，并且越有可能刷抖音“上癮”而不由自主地延長(zhǎng)使用抖音的時(shí)間。長(zhǎng)時(shí)間使用抖音勢(shì)必影響日常生活計(jì)劃，打亂生活規(guī)律，造成生活碎片化，甚至導(dǎo)致原本的工作計(jì)劃被打亂，影響用戶的正常生活。此外，碎片化的信息吸收也會(huì)導(dǎo)致用戶的知識(shí)面支離破碎，不利于用戶的身心健康。

根據(jù)以上研究結(jié)果，筆者提出以下幾點(diǎn)優(yōu)化建議。

1.提升定位用戶喜好的準(zhǔn)確性，進(jìn)一步提高算法推薦的精準(zhǔn)度。觀察推薦系統(tǒng)分發(fā)的抖音視頻內(nèi)容發(fā)現(xiàn)，為了更好地提升用戶體驗(yàn)感，其算法推薦已經(jīng)實(shí)現(xiàn)了根據(jù)用戶長(zhǎng)短期的興趣來(lái)完成內(nèi)容推薦，更大程度上覆蓋用戶的更多興趣，提高推薦內(nèi)容的多樣性。然而根據(jù)用戶短期興趣進(jìn)行推薦存在一個(gè)問(wèn)題，即如何界定用戶對(duì)某一領(lǐng)域的視頻內(nèi)容是感興趣的？是向用戶推送某一視頻，用戶完成點(diǎn)擊這個(gè)動(dòng)作即表示“感興趣”，還是完成對(duì)推送視頻的完整觀看才表示“感興趣”？因此算法推薦在對(duì)用戶的興趣方向進(jìn)行評(píng)估的時(shí)候，應(yīng)該引入完播率、觀看時(shí)長(zhǎng)等維度的數(shù)據(jù)，從而更加精準(zhǔn)地定位用戶喜好，實(shí)現(xiàn)智能推薦的準(zhǔn)確性。

2.完善內(nèi)容評(píng)估體系，加大人工審核力度。抖音的智能疊加推薦系統(tǒng)對(duì)視頻質(zhì)量?jī)?yōu)劣程度的評(píng)價(jià)取決于點(diǎn)贊、關(guān)注、完播率等顯性數(shù)據(jù)，忽視內(nèi)容本身。換句話說(shuō)，智能疊加推薦機(jī)制相比于內(nèi)容生產(chǎn)，更加注重傳播效果。這就容易導(dǎo)致一些內(nèi)容低俗化但是傳播效果良好的視頻進(jìn)入更多用戶的推薦頁(yè)。前文調(diào)查問(wèn)卷分析顯示，智能推薦系統(tǒng)推送的不良信息內(nèi)容的頻率對(duì)用戶對(duì)平臺(tái)的使用滿意度產(chǎn)生顯著的負(fù)面影響。因此為了使算法推薦系統(tǒng)更好地服務(wù)于用戶，應(yīng)當(dāng)完善內(nèi)容評(píng)估體系，在原有評(píng)估數(shù)據(jù)維度上增加負(fù)面評(píng)價(jià)、舉報(bào)等數(shù)據(jù)，即無(wú)論視頻點(diǎn)贊量、轉(zhuǎn)發(fā)量、完播率等各個(gè)測(cè)量維度的數(shù)據(jù)表現(xiàn)多么優(yōu)越，當(dāng)它的“點(diǎn)踩”量和舉報(bào)量達(dá)到一定數(shù)值時(shí)，則立刻停止推薦。此外，還可以通過(guò)加大人工審核力度的方式，壯大審核團(tuán)隊(duì)，培養(yǎng)更加優(yōu)秀的審核人員，對(duì)不良內(nèi)容進(jìn)行及時(shí)有效過(guò)濾，防止其進(jìn)一步傳播。以人工干預(yù)的方式彌補(bǔ)算法的不足。

3.調(diào)整興趣內(nèi)容與其他內(nèi)容推送比例，破除“信息繭房”。智能內(nèi)容推薦系統(tǒng)還應(yīng)該調(diào)整向用戶推送興趣內(nèi)容和其他內(nèi)容的比例，即不完全根據(jù)用戶的興趣愛(ài)好來(lái)進(jìn)行智能推薦，適當(dāng)調(diào)整向用戶推薦其興趣愛(ài)好之外的其他內(nèi)容的占比，通過(guò)這種方式來(lái)打破用戶長(zhǎng)期浸泡在同一種或幾種視頻類型中的閉環(huán)，從而破除“信息繭房”導(dǎo)致的“回音壁效應(yīng)”，讓用戶在獲取自己感興趣的內(nèi)容的同時(shí)，接收到其他領(lǐng)域的信息。

作者單位 上海理工大學(xué)

本文系國(guó)家新聞出版署“可信數(shù)字版權(quán)生態(tài)與標(biāo)準(zhǔn)重點(diǎn)實(shí)驗(yàn)室”研究成果，2020年上海理工大學(xué)人文社科培育項(xiàng)目（項(xiàng)目編號(hào)：20SKPY02）的階段性研究成果。

參考文獻(xiàn)

[1]Cooper A.The Inmates are Running the Asylum[M]. California：Sams，2004.

[2]劉珊.大數(shù)據(jù)與新媒體運(yùn)營(yíng)[M].北京：中國(guó)傳媒大學(xué)出版社，2017.

[3]Cooper A，Robert Reimann R，Cronin D.About Face 3：The Essentials of Interaction Design[M].New Jersey：Wiley Publishing Inc.，2007.

[4]劉維.移動(dòng)短視頻內(nèi)容把關(guān)模式研究——以"抖音"為例[D].重慶：西南大學(xué)，2019.

[5]王海燕.抖音的算法推薦特點(diǎn)分析[J].新媒體研究，2018（20）.

[6]劉海鷗，孫晶晶，蘇妍嫄，等.國(guó)內(nèi)外用戶畫(huà)像研究綜述[J].情報(bào)理論與實(shí)踐，2018（11）.

【編輯：朱垚穎】