近年反復考的「算法」到底有多少種考法？這篇筆記告訴你答案！_人工智能

/用心耕田水到渠成/

撥開烏云

擁抱太陽

田心·高頻考點專題筆記

進入「沖刺」階段，小田心將按慣例推出我們的「高頻考點專題筆記」。今年的專題筆記將加入更全、更新的知識內容，旨在為小伙伴們提供更好的閱讀體驗。「高頻考點專題筆記」共12期，小田心將會以「專題筆記」的形式為大家免費講解5期高頻考點。

要注意的是，「專題筆記」專欄是為了讓同學們對每個高頻考點的知識框架有更清楚的認識，因此，我們會列出知識框架，并對部分較難理解的內容進行簡要講解。如果同學們在閱讀時還有不理解的地方，可以參照文末的文獻來源，自行查找原文進行精讀。

今天，小田心就為大家帶來第四篇筆記——算法專題。

本篇閱讀提示：為了給大家提供更豐富的學習參考內容，且保證每個小版塊的邏輯完整，本篇筆記的每個板塊都呈現了較多的內容。因此，在具體內容闡述過程中，板塊與板塊之間可能有交叉或相通的地方，大家可以上下文結合起來學習，整理出自己的“萬能答題模板”，不用對筆記全文進行死記硬背。

田心翻篇線

chapter4.|算法

近三年各大高校真題概覽

2022年

1.算法黑箱

2.算法偏見

3.算法新聞

4.算法推薦

5.談談算法對新聞傳播的影響

6.論述智能機器和算法對新聞生產的影響，你如何看待這些影響？

7.談談你對網絡平臺算法推薦的看法

8.智能算法推薦對新聞傳播有什么影響？

9.算法是否會引起信息繭房、社交效果的減弱？

10.簡述算法推薦對信息傳播的功效

11.論述數據和算法在新聞生產全流程中的作用

2021年

1.請談一談算法新聞對傳統新聞理念的影響

2.請簡述算法新聞的內涵以及影響

3.請簡述算法技術對傳統新聞價值理論有什么影響？

4.名詞解釋：算法新聞

5.請論述算法新聞倫理困境和解決方法

6.材料分析題：材料有關于算法推薦

算法推薦是否會帶來信息繭房？

如何用算法更好地服務于新聞生產？

7.請簡述算法推薦的利弊

8.你認為理想的推薦算法應該是什么樣的？

9.請論述算法對新聞生產的積極和消極影響，如何規范？

2020年

1.算法新聞

2.算法黑箱

3.請談談你對算法新聞的理解

4.算法新聞會不會導致信息窄化？

5.新媒體技術引發了哪些傳播倫理問題，如何應對？

6.論述算法在數據新聞中的應用及倫理

7.請分析當前新聞發布中的推薦算法對于新聞傳播效果的利與弊

……

核心知識

△核心知識|以算法的多種考察方式為切入點

part1算法及相關概念

一、算法基本概念

田心說：此部分關于算法的基本概念需要同學們背誦哦~

算法可以理解為利用計算機來解決問題的方法，是一組定義嚴謹的運算程序規則。新聞傳播領域的算法可以理解為信息自動處理方法。

二、算法相關概念

田心說：此部分關于算法的相關概念需要重點記憶。

算法推薦

算法推薦是指網站平臺通過算法模型將用戶信息數據與內容信息數據進行匹配，實現內容高效聚合、精準分發的一種手段，現已廣泛運用在移動新聞客戶端、即時通信工具、論壇社區、音視頻、直播等各類網站平臺。雖然不同網站平臺采用的算法模型存在差異，但主要都是通過熱度、時間線、用戶畫像、用戶社交關系、關聯內容、地理位置等多重維度進行擬合，實現個性化推送。隨著算法推薦技術日益成熟，該方法可以有效地提高內容分發效率，增強用戶黏性，使得內容生產者高效實現商業變現。同時，自媒體的海量內容資源，豐富了網站平臺稿池，給平臺帶來大量流量和廣告。二者互相借勢、共生壯大，滿足了用戶對原創內容數量、多樣性、個性化的需求。

算法黑箱

黑箱理論源于控制論，指不分析系統內部結構，僅從輸入端和輸出端分析系統規律的理論方法，這里的“黑箱”是一種隱喻，指的是“為人的不知的、那些既不能打開，又不能從外部直接觀察其內部狀態的系統”。而算法“黑箱”與理論上作為系統的“黑箱”又有所區別，算法“黑箱”本質上歸屬于技術“黑箱”，技術“黑箱”特指作為知識的人工制造品，“其特點是部分人知道，另一部分人不一定知道”。在這個意義上，算法“黑箱”指的是算法運行的某個階段“所涉及的技術繁雜”且部分人“無法了解或得到解釋”。

在人工智能時代下，算法被應用在人類生活的方方面面，而作為無可避免的弊端之一的算法黑箱亦是緊跟而來。例如在商業領域中，算法黑箱不透明與不可解釋的特征必然導致開發使用者與消費者之間存在信息不對等；在個人征信情境下，算法黑箱所帶來的歧視與偏見會操縱個人信用評分等等。有學者認為，算法黑箱的威脅貫穿于數據采集，算法運行以及應用于社會服務三個層級，在此三個層級中存在三重法律危機，即：數據采集階段的個人信息數據侵權危機，算法計算運行階段的結果偏見危機，算法應用于社會服務階段的救濟危機。

算法偏見

算法的有效性建基于大量數據材料分析，而這些材料大多都源自社會現實，所以說，算法偏見是社會偏見的延伸，也是媒介偏見在人工智能時代的“升級版”，本質上是在新聞選題、新聞報道中所體現出的價值判斷的不客觀、不公正，它存在于算法設計和運行的每一個環節。事實上，這些算法都是人編寫出來的，人們可以把所有的偏見與觀點植入其中。換言之，計算機在運行算法時可能是不帶有任何偏見的，但是，這并不意味著算法在編寫過程中沒有受到人類偏見的影響。

算法新聞

1.基本概念

算法新聞是運用智能算法工具自動生產新聞并實現商業化運營的過程、方法或系統，它包括信息采集、儲存、寫作、編輯、展示、數據分析及營銷等業務的自動化實現。

美國參議院就銀行倒閉潮舉行聽證會：銀行管理不善是主因:金色財經報道，當地時間5月4日，美國參議院銀行委員會就近期大型銀行倒閉事件舉行聽證會。會上，銀行監管專家表示，管理不善是導致破產的主要原因。美國商會副主席托馬斯·昆德曼（Thomas Quaadman）當天在聽證會上表示，硅谷銀行、簽名銀行和第一共和銀行有非常獨特的商業模式，硅谷銀行專注于資本密集型的科技以及生物醫學初創企業；第一共和銀行集中于財富管理；而簽名銀行則有大量的數字資產風險。在聽證會上，專家們明確將最近銀行倒閉潮歸咎于行政管理不善，同時他們擔心銀行倒閉會將美國經濟拖入衰退。專家和議員們也表示，美聯儲存在監管失誤。（央視新聞）[2023/5/5 14:43:25]

2.算法新聞的本質特征及基本規律

算法新聞揭示了新一代新聞生產的本質

在傳統新聞業務鏈中，人是主體。記者和編輯是把關人，依靠職業新聞工作者的感知洞察、經驗判斷和價值偏好選擇特定信息，刊登適合的新聞。在算法新聞業務鏈中，機器人是主體，其本質是借助算法工具和大數據環境實現新聞傳播業流程再造和盈利模式重構，催生了新一代“創新新聞學”：在生產環節運用算法工具自動生成新聞內容，在分發環節引入推薦算法，在銷售環節實現了傳者、受眾和消費者的聚合，造就了流程更清晰、作業更高效、銷售更精準、目標更明確、成本更低廉的業務鏈條。

算法新聞揭示了新一代新聞生產的基本特征

與傳統新聞生產及運營模式相比，算法新聞有算法軟件的引領性、數據資源的基礎性、智能操作的自主性三大特征。在大數據技術和算法軟件的耦合作用下，算法新聞生產運作的高效性優勢凸顯，在時效性上實現了即時生產、實時發表，在數據分析上實現了準確化運作，在成本上實現了低成本乃至零成本的突破。概言之，在算法新聞的運作系統中，算法程序是核心、數據資源是基礎、智能操作是關鍵。

算法新聞揭示了新一代新聞的運作框架

算法新聞包括新聞生產和發行營銷前后關聯的兩個框架。算法新聞以算法程序對整個新聞傳播產業鏈進行重塑，構建全新的新聞傳播業態。在新聞生產框架中以算法工具取代或部分取代記者及編輯勞動，實現自動化生產；在新聞發行框架中以智能推薦營銷工具替代傳統的物流分發流程，實現自動化發行與營銷。

Part2算法與新聞傳媒業

一、算法接入新聞業的三個環節

田心說：此部分內容理解并記憶小標題即可~

內容的自動化生產

算法接入到新聞的生產流程中，通過編寫的代碼和程序使得新聞的生產實現自動化。

個性化的內容推薦

采用算法進行內容推薦的平臺或App，可以識別用戶的終端設備，讀取用戶的點擊歷史和閱讀習慣，結合大數據用戶畫像和社交關系圖譜，來匹配用戶的關注興趣和平臺聚合的內容，向用戶分發個性化的內容，以達到內容的精準傳播。這一過程降低信息分發過程中的不確定性，細化投遞顆粒度，最終帶來了信息傳播的“千人千面”。

平臺媒體的聚合分發

平臺依靠算法篩選內容，定向發布，既為新聞媒體提供了大量的資源，提升傳播效率，卻又限制了媒體的編輯決策，攫取了大量廣告收入。近年來最新的趨勢是，社交媒體平臺依靠先進的技術實力和龐大的用戶群體進行的內容推薦已經開始重塑世界新聞業的版圖，社交媒體的推薦算法對于傳統媒體的內容導流效應明顯，并且拿走了大量的數字廣告；而一批工具類的應用也開始入場內容變現，其依靠場景化的內容推送可以強化用戶黏性，完善用戶畫像，提升定向廣告的變現能力。

二、算法接入新聞業出現的問題

田心說：這一部分內容需要重點把握，可用于回答“算法對新聞傳播的影響”“算法新聞的行業影響”等題目，建議背誦小標題~

算法將意義豐富的新聞“簡單化”處理為信息

算法推薦將在線內容的供需問題進行了簡單化處理，單向迎合用戶偏好，偏重以“瀏覽記錄”“熱度”“興趣”等維度來判斷用戶喜好，連續推送同質化內容。這種思路將新聞簡單化、一律化為彼此沒有差別的代碼、符號或公式，講究新聞多種要素在可量化方面的傳播效率，比如閱讀量、滲透率、日活等等，刻意地將信息去意識形態和去價值化，追求一種機械的平均和平等。

個性化內容推送過程中存在算法黑箱

不同于人類決策，理論上嵌入算法中的計算理論總是可以被充分描述的，除非是有意結合隨機性，否則都應該可以重復驗證。但是現實的問題在于，一般情況下大型科技公司不會主動公開算法，而隨著算法越來越復雜，從有監督計算到無監督計算，后期可能即便是程序員本身也無法了解機器對于數據到底做了什么，而這樣的過程又可能是帶有偏見、歧視、以及錯誤性信息的，因此，通過算法做出的判斷和推薦，由于過程的不透明性，故而難以監督。

算法雖然沒有善惡，但是也絕非中立

算法依然是一種“人造物”，因此，在其過程中不可避免地會帶上人為的痕跡。宣稱算法沒有價值觀或者“絕對中立”，實際上忽視了算法本身的來源以及所處的社會環境。

算法推薦高度依賴內容質量和版權規范

算法雖然可以協助人類發現規律進行決策，但算法高度依賴導入數據的結構性特征。在個性化內容推薦領域，如果整個傳播生態系統中的內容質量不高，僅僅依靠算法是無法進行更高水平的內容生產的。而且當前的算法會更加放大和集中某些僅僅訴諸點擊量、轉發率的內容，造成內容市場上的“劣幣驅逐良幣”。此外，目前內容市場版權規范混亂，很多平臺對于內容的聚合處于掠奪式狀態，這從一定程度上限制了高質量內容的流動。

精準推送會帶來社交媒體操縱現象

一系列的調查與報道顯示，臉書、谷歌、推特、YouTube、Tumblr等平臺曾經被有組織地利用來散布虛假新聞，擾亂信息秩序，造成信息污染。根據相關調查報告顯示，整個精確宣傳的“工具箱”包括行為數據收集、數字廣告平臺推送、搜索引擎優化、社交媒體管理軟件參與以及算法廣告技術。這些技術可以被單獨或者組合起來使用，目標是盡可能多地收集潛在受眾的數據，在各種媒體渠道定制多樣化的內容，在網絡平臺有針對性地投放廣告，最終操縱用戶的觀念和行為。

三、加強對算法的規范管理

田心說：這一部分內容需要重點把握，建議背誦小標題~也請和“算法治理”部分結合起來學習。

建立科學合理的算法推薦模型

按照價值觀正確的總體要求，優化算法推薦權重配比，關注內容來源規范、文章評價評分、自媒體信用評級、用戶反饋意見等質量類要素，輔以用戶瀏覽歷史、所在位置及文章閱讀量、轉發量、評論量等興趣類要素。

建立頻道欄目分區分類管理機制

對于平臺媒體一些頭部欄目，如“推薦”“熱點”“頭條”“要聞”“新時代”等，默認開啟重點頻道分區管理制度，依次設置置頂區、要聞區、個性化區，置頂區和要聞區要按比例推送時政新聞；控制個性化區中刷新的自媒體內容、明星娛樂類內容占比；限制同質化內容的出現頻度；對于用戶感興趣的話題，同時提供“不再推送此類內容”“減少推送此類內容”以及違法違規不良內容舉報等功能選項。

徐明星：OKBChain測試網將很快推出:3月20日消息，徐明星在社交媒體上回復用戶問題稱，OKBChain 測試網將很快推出，原定于 2023 年第一季度發布的計劃沒有被推遲。[2023/3/20 13:14:40]

建立稿源分級分類規范機制

進一步規范時政新聞稿源，依照《網絡安全法》和《互聯網新聞信息服務管理規定》等法律和規范性文件進行內容聚合；完善自媒體賬號認證和信用管理制度，根據信用評級將自媒體內容分類歸入等級，保證優質的自媒體內容得到優先推薦，對于未認證和信用評價不達標的自媒體實施內容監控。

完善重要內容人工審核機制

算法推薦的重要稿件必須實行人工審核，落實總編輯負責審核制；增加對彈窗、熱點推薦等重要板塊內容的審核頻次，實現問題稿件快速召回、反饋信息快速回應、推薦模型快速修正；建立科學合理的算法推薦人工干預指標體系，多維度規范文章質量標簽的衡量標準，降低文章閱讀量、轉發量、評論數、點贊數等熱度閾值上人工復核的數量要求。

健全平臺技術監測預警機制

要求平臺媒體需要加快升級內容監測技術系統，健全內容監測預警機制，強化對負面、有害信息的監測和識別能力，加強對行為主體和行為過程的監管，強化稿源、推薦規則、推薦舉報的驗證、核查和違規預警。

建立優質正面內容激勵機制

扶持優質稿源，尤其是時政類新聞，對提供優質稿源的媒體給予政策和資金上的支持；建立算法推薦激勵機制，在重大事件報道中，利用算法推薦發揮積極作用；平臺也可出臺內部管理措施和辦法，鼓勵自身平臺上生產原創優質稿源。

完善平臺推薦外部監督機制

國家和地方網信辦負責監督平臺媒體是否依照相關法律落實在線內容算法推薦治理機制，對違規從事新聞信息內容生產的網站和用戶依法進行處理，平臺用戶也可以向網信辦舉報和提出各類違規問題。

推動個人信息保護制度化

進一步細化和明確平臺媒體對于用戶身份信息、通訊信息、交易信息、行為信息等個人信息的收集使用保護規范。督促平臺在收集使用用戶信息時，遵循合法正當、最少必要的原則，公開收集使用規則，明示收集使用信息的目的、方式和范圍，并且獲得用戶同意。嚴禁平臺在使用算法推薦時濫用用戶個人信息、侵犯用戶隱私。

Part3算法治理

一、算法治理相關政策

田心說：此部分關于算法治理的相關政策需要同學們重點把握哦~

《關于加強互聯網信息服務算法綜合治理的指導意見》

2021年9月17日，國家網信辦等九部委聯合印發了《關于加強互聯網信息服務算法綜合治理的指導意見》，這部旨在“管理好，使用好，發展好”網絡算法應用的《指導意見》，是我國首個多部委聯合針對算法監管與發展的法律性文件。《指導意見》所稱的算法并非僅局限于網絡內容推薦和自動化決策領域，包括電子商務、輿情安全、打擊犯罪、技術創新、網絡安全、數字孿生等多維度在內，都納入算法監管范圍。

在網絡生態大背景下，以安全保障創新，以創新促進安全，形成了算法生態規范相互依托，互為表里的四大關鍵點：正確導向、公開透明、創新發展和防止濫用。算法的正確導向體現在價值觀層面，主要分為正確的方向、輿論導向和價值取向三方面；算法的公開透明體現在個人信息保護與網民自我決定權層面；鼓勵創新是算法規范發展的目標；防范算法濫用風險是算法經濟的底線。

《互聯網信息服務算法推薦管理規定》

2022年3月1日，國家互聯網信息辦公室、工業和信息化部、部、國家市場監督管理總局4部門聯合發布的《互聯網信息服務算法推薦管理規定》即日起正式施行。《規定》明確，不得利用算法實施影響網絡輿論、規避監督管理以及壟斷和不正當競爭行為。

二、算法治理的關鍵問題

田心說：這一部分建議在理解內容的基礎上背誦小標題~

算法“自動決策”機制的公開問題

近年來，算法造成的社會負面事件層出不窮，首要問題是算法自動決策中的“黑箱作業”。算法不透明使算法開發者和消費者之間的信息鴻溝被不斷放大，加劇市場主體地位不平等。對于大多數接受算法推薦的用戶來講，其決策過程不易被理解，決策機制如密不透風的“黑匣子”，其發揮作用最終可能與設計初衷背道而馳。在治理算法過程中，通過立法推動建立公開透明的算法機制，成為各國治理算法的首要問題。

算法“技術導向”的科技倫理問題

算法對于社會生活的廣泛介入，帶來技術與倫理的困境。營造一個以人為本、符合主流價值和可信賴的算法環境成為各國共同訴求。我國新近出臺的《關于加強互聯網信息服務算法綜合治理的指導意見》中明確，“研判算法應用產生的意識形態、社會公平、道德倫理等安全風險，提出針對性應對措施”。智能化的算法超越了常規技術，產生類似于人的分析和決策，因此，算法科技倫理規范的意義在于找到人機協同的契合點，使得人機合作能夠朝著人類追求的價值目標共同前進。

算法“實現結果”的評估追責問題

為保證算法系統運行符合預期，算法實現的結果對公共利益不構成危害，各國都在著力探索事前評估、事中監管、事后追責的全鏈條監管方式。如事前設立算法備案和準入制度。針對使用算法的應用場景，在產品正式上線時，開發者應對算法預期后果進行提示，并對運行可能導致的結果承擔相應責任。事前審查備案不能排除的風險，需要事中政府部門動態監測和算法提供部門主動上報有機結合。對于事后懲戒來說，美國等國出臺了《算法問責法案》，規定了算法造成的損害結果的救濟方式和相應的懲戒措施，最大程度維護利益受損者的權益。

三、算法治理建議

田心說：這一部分建議在理解內容的基礎上背誦小標題~

推進算法公開，統籌協調知識產權保護與用戶權利保障

當前，我國算法規制仍處于起步階段，推進算法公開要兼顧社會知情需要和開發者知識產權保護的需求，算法推薦服務提供者應以顯著方式告知用戶其提供算法推薦服務的情況，并以適當方式公示算法推薦服務的基本原理、目的意圖、運行機制等。同時，公開范圍不應涵蓋全部算法內容的底層邏輯，以合理保護算法開發者的知識產權。針對算法使用，應當為用戶提供便捷的“拒絕服務”選擇方式，使算法開發者提供的信息既能有效保證推送效率，滿足用戶需求，又能保障用戶選擇的權利。

完善分級分類管理，建立良好算法生態環境

根據算法推薦服務的內容類別、用戶規模等對算法推薦服務提供者實施分類分級管理，以有序的分級分類管理，促進算法良好生態環境的形成。《互聯網信息服務算法推薦管理規定》首次細化明確五類常用內容算法推薦方式：生成合成類、個性化推送類、排序精選類、檢索過濾類、調度決策類。此外，特別提出具有輿論屬性或者社會動員能力的算法推薦服務提供者應當按照國家有關規定開展安全評估，完善頁面版面生態管理，完善人工干預和用戶自主選擇機制，積極呈現符合主流價值導向的信息內容。

BAYC、Azuki等藍籌NFT地板價回暖:金色財經報道，1月6日，據NFTGo數據顯示，BAYC、Azuki等藍籌NFT系列地板價回暖。其中：

BAYC 系列 NFT 地板價現報 75.51 ETH，7 日漲幅 6.35%；

MAYC 系列 NFT 地板價現報 17.4 ETH，7 日漲幅 10.68%；

Azuki 系列 NFT 地板價現報 14.98 ETH，7 日漲幅 27.66%；

Doodles 系列 NFT 地板價現報 7.69 ETH，7 日漲幅 16.22%；

Pudgy Penguins 系列 NFT 地板價現報 6.84 ETH，7 日漲幅 10.58%。[2023/1/6 15:39:21]

加強技術監管能力，探索算法態勢感知和動態監測

算法監管既要充分利用現有法律法規，也應積極適應算法智能化發展特點，利用大數據、智能化等技術優勢，提升監管的效率和精準性，實現“以技術管技術”“以算法管算法”。既要建立算法人工審查制度，也要著重利用技術手段防范算法濫用的風險。大數據等技術快速發展為建立平臺態勢感知系統提供了便利，要有效利用大數據對算法平臺實現態勢感知，動態監測預警，并對算法平臺進行安全測試和風險提示，避免系統性算法偏見對用戶決策的影響。

支持算法技術創新，提高我國算法核心競爭力

算法領域的創新成為人工智能領域的重要創新之一。在智能化時代，算力某種程度上是國家核心競爭力的體現，要積極支持算法技術創新，扶植行業優秀企業，提高我國算法的核心競爭力。

Part4算法推薦

一、算法推薦的類型

田心說：此部分內容了解即可~

基于行為的推薦算法

算法推薦早期實踐是在電子商務平臺。用戶在線購物時，會在網頁上同時瀏覽到基于其歷史檢索、瀏覽和購買等用戶行為推薦的相關商品，以起到個性化的廣告投放作用。這種推薦算法就是協同過濾算法，其本質是基于行為進行計算推薦，圍繞著“用戶”和“產品”展開。協同推薦算法后來又被應用于內容平臺，YouTube和Netflix也開始使用算法進行內容推薦，只是在這一語境下，“產品”被替換成了“內容”。

協同推薦算法的優勢：一是成長性良好，隨著數據增多，計算會變得更加精準；二是個性化程度高，基于用戶自身的歷史數據不斷進行反饋，推薦產品與用戶高度相關、精準匹配；三是應用范圍廣，既可以用于物品推薦，還可以用于內容推薦。

協同推薦算法的不足：一是協同推薦算法高度依賴用戶行為數據，頭部平臺優勢巨大；二是協同推薦算法面向的是“歷史”，新用戶、新產品、新內容遭遇“冷啟動”問題。

基于內容的推薦算法

這一算法的實質是建立“畫像”。對于用戶，是要根據用戶的興趣愛好信息進行分類，學習用戶興趣模型，建立起用戶畫像；對于產品，則是要自動提取內容文本，形成產品特征畫像，與用戶的興趣愛好標簽相匹配。這種基于文本內容特征進行分類推薦的算法被廣泛應用于新聞、資訊的分發過程中。

基于內容的推薦算法的優勢：一是高效精準，無需預先累積用戶歷史數據；二是一定程度上解決了數據稀疏和冷啟動問題；三是依據內容進行分類學習的算法發展較為成熟。

基于內容的推薦算法存在的問題：一是基于內容的推薦算法主要應用于文本特征提取，對于音頻、視頻等多媒體形式，自動提取內容特征存在一定困難。二是高度同質化的資訊引發學界對于信息繭房、主流價值缺乏導向、算法審查對用戶知情權的控制、風格缺失、數據安全等諸多倫理風險問題的普遍憂慮。三是隨著數據增多、用戶偏好復雜化，特征提取會更加困難，精準程度可能下降。

基于語義的推薦算法

基于語義的算法推薦不強調形式上的配對，而追求語義上的關聯和情感的相似。

基于語義的推薦算法的優勢：一是能夠提供十分豐富的信息和多樣化的推薦，避免傳統算法信息高度同質化的弊端；二是語義網絡不僅能夠提取用戶的行為，還能夠通過語義和情感分析推斷用戶行為背后的動機，實現對用戶行為的預測，挖掘用戶潛在的需求。

當前，算法推薦實踐中趨向于將語義分析與行為研究相結合，以期有效解決推薦系統中新用戶、冷啟動等一系列既有問題。但隨著技術的不斷發展，系統算力的損耗、算法冗余問題，也將成為下一階段基于語義和知識圖譜的推薦算法所要面臨的挑戰。

二、算法推薦下的媒介倫理失范

田心說：這一部分也是出題方向之一，需要同學們重點把握，建議在理解內容的基礎上背誦小標題~

算法推薦下的媒介倫理失范表現

1.信息真實性認知偏差

在算法推薦中，哪些新聞內容能夠進入傳播渠道、用戶閱讀什么樣的內容，都由算法說了算，以單篇文章為單位帶來的點擊率來評判文章的價值，而忽略文章本身帶來的社會效果。對于平臺媒體來說，新聞內容帶來的流量比質量更重要。在這種信息傳播模式下，用戶接受到的信息越來越同質化、窄化，沉浸在自己構建的擬態環境中，對真實性的認知偏差越來越大。

后真相新聞

伴隨著移動互聯網的發展以及算法推薦的應用，有些網絡媒體或自媒體為了吸引受眾注意力，迎合受眾情緒、提升點擊率，刻意營造出一種重共鳴輕真相、重情緒短記憶、介于真相與謊言之間背離客觀公正的第三種現實，即后真相。

新聞泛娛樂化

新聞的泛娛樂化是對媒介娛樂功能的過度使用。算法推薦機制下給用戶過度推送娛樂化新聞，從資本的角度來看能滿足受眾的娛樂需求，提高收視率，增強用戶粘性，帶來巨大的經濟利益。但是將娛樂變得社會化，會使受眾缺乏思考，對公共事務漠不關心，大眾在新聞狂歡中陷入惡俗、低俗、庸俗，沉浸在一種虛假的滿足中，“圍觀”公共事件，缺乏社會責任，成為缺乏思考能力單向度的人。

2.價值觀異化

算法技術本身是中立的，但是利用技術來做什么卻是一種價值的體現。在以用戶興趣愛好為唯一價值標準的情況下，媒體輿論引導功能缺位，忽略個體的社會存在性，呈現出以自我為中心的較少或者不考慮其是否符合道德倫理準則，或者正確的社會價值導向道德相對主義。算法推薦機制將不同價值觀的內容通過機器分發給不同用戶，缺乏對事物理性的思考和主流價值的引導，傳統媒體建構的主流價值觀、堅守的新聞理想被算法推薦消解。

3.公共性缺位

算法平臺將用戶視為消費者，其基本指標和價值邏輯傾向于資訊信息的覆蓋、頻次、匹配、停留、轉發等利于廣告價值和價格計算的要素，媒體缺乏動力和必要性去考慮這些資訊信息是否會顯著增加社會與公共利益價值。在這個過程中，聚合平臺注重的是信息能帶來的流量而非內容，注重的是商業利益而忽略新聞的公共性。

4.算法歧視與偏見

人工智能是我們已有文化的延伸，算法不可避免地要體現操縱者與設計者的思維邏輯和價值取向。算法雖然是中立的，但其計算過程卻包含了很多人為因素，很多算法問題是由數字媒體的經濟與商業模式決定的。個性化推薦閱讀為讀者營造了一個擬真的超真實空間，用戶在算法推薦和集群式傳播中強化自身觀點，異質化的多元的信息被過濾泡阻隔在讀者的推薦頁之外，人們的視野變得單一、狹隘，加上算法技術的不透明、不準確，用戶甚至很難發現內容中的歧視和不公，現有的社會不平等和偏見正在以不可預知的方式得到強化。從這個角度來看，個性化推薦下的過濾泡強化了既有階層偏見。

Arbitrum：Arbitrum One網絡新增驗證者節點:11月17日消息，據官方消息，Arbitrum One網絡新增驗證者節點，目前驗證者節點包括 ConsenSys、以太坊基金會、L2BEAT、Mycelium、Offchain Labs、P2P、Quicknode、Distributed Ledgers Research Centre (DLRC) at Institute for the Future (IFF) 以及 Unit 410 共九個項目或組織。[2022/11/17 13:16:26]

算法推薦下媒介倫理失范的原因

1.技術理性與價值理性之間的失衡

理性行為包括價值理性行為和工具理性行為。霍克海默、阿多諾、馬爾庫塞等繼承了理性行為理論，在20世紀40年代之后發展形成了法蘭克福學派工具理性批判理論。霍克海默認為，科學技術的發展成了統治人和控制人的技術理性，科學技術本身成為了一種新的意識形態。

工具理性能夠促進人類現代性的發展，但過度的推崇工具理性會導致技術手段成為目的，最終陷入到“技術牢籠”當中。媒介技術的不斷進步以及市場化發展需求賦予算法以權威合法性，很多算法被貼上“中立”“客觀”“公正”的標簽，構建出自身合法性的神話，將用戶的一切社會行為量化，用戶很容易被算法控制，不再是傳播主體，而淪為技術的客體。

2.算法多樣性與精準性的矛盾

算法給受眾推送的信息越多樣，受眾就能通過推薦系統獲得更多有益的信息，但個性化過程中的精準度就會降低，推送的信息有效率會下降。這是一個兩難問題，很多時候只能通過犧牲多樣性來提高精確性。由于多樣性缺乏適用的量化指標，目前大多數媒體的算法推薦是精確的信息匹配，其邏輯價值是將信息內容最大化傳播，以便獲取流量，或者是基于內容的精準營銷和傳播以便獲得更多的用戶黏性。信息的精準度雖然相對較高，但打破了用戶信息接受的多樣性平衡性，導致異質性信息流動性的減弱，沒有發現用戶真正需要的“長尾”、有思想深度但小眾的信息。

3.注意力經濟與公共責任之間的矛盾

算法設計程序的背后，是一套試圖增加用戶粘性和提高點擊量謀利的商業邏輯。這種新聞事業的公共性與點擊量間的失衡會導致用戶身處信息繭房中，缺乏對公共事物的關注。

算法新聞下媒介倫理的重構

田心說：本部分可結合“算法治理”部分進行學習~如形成一個“萬能解答模板”，答題時能根據題干合理變換“模板”即可~

1.健全法律監管

現在法律是對平臺媒體倫理失范行為的事后懲戒，缺乏對算法技術本身的規范。因此，政府還需制定相關法規對算法技術的應用進行監管。通過相關法律條例的約束，明確算法技術的使用范圍及標準，形成健全合理的平臺問責機制，通過明確可量化的問責標準要求企業平臺在新聞推送過程中承擔社會責任，引導正確輿論導向，尊重社會倫理。同時，也應成立一個公開的監督平臺，鼓勵網民群體對平臺推薦的內容進行監督，形成一個立體動態長期的監管系統。

2.強化“人”在傳播中的主體性

算法技術只根據內容的相似程度或者點擊量向用戶推送新聞，缺乏對內容的質量的把控，造成了一系列倫理失范問題。因此要充分發揮新聞媒體工作者的主體作用，加強傳統把關人對內容質量的審查和甄別，建立人機結合的內容審查機制，通過編輯輔助算法技術實現新聞價值的回歸。

3.建立多指標推薦系統

對于算法推薦中易導致單一化推送問題，可以通過建立一個多指標推薦系統來減少“信息繭房”。目前推薦系統的主要推送指標包括用戶的社交關系、基本信息以及瀏覽記錄，因此在推薦系統的算法模型中可以加入用戶滿意度、內容影響力、專業品質、時效性等指標，向用戶呈現經過重新加權的復雜結果，推送的結果可能幫助用戶發掘更多有價值的信息，走出“信息繭房”的困境。同時，對于用戶畫像的分析時要減少低俗、過度娛樂化的畫像，突出用戶的正面興趣點，給予用戶正確的價值引導。

4.提升算法透明性

算法推薦具有隱蔽性，運行起來如“黑箱”。媒體機構有責任提高其透明性，將盡可能多的數據原理提供給用戶，以增強公眾對算法機制的了解與監督。但算法是一種商業利益，擁有大量的商業機密，如果讓社會公開審查這個算法的話，將會損壞企業的商業利益。所以需要有一個不損害其商業利益同時起到監管功能的部門，例如成立一個“算法審查委員會”。這個算法監督委員會可以由政府、相關學者、企業代表、行業代表共同組成。政府、學者等代表用戶、代表新聞業，從法律的角度和新聞專業的角度對算法實施監管。

三、算法推薦與信息繭房

田心說：算法推薦與信息繭房的關系也很重要哦，這部分內容較多，建議在理解的基礎上記憶小標題，能夠簡單復述即可~

算法不是“信息繭房”形成的必要條件

1.“信息繭房”本質是用戶選擇機制中的一種“偏食”行為

霍夫蘭很早就在個體差異論中指出，由于個體在需求、信念、價值觀、態度上的認知結構差異，相同的大眾傳播內容在受眾之間會產生不同的效果，受眾傾向于接觸與原有態度較為一致的信息，而盡量回避那些與己見不合的信息，即所謂信息的選擇性注意和理解。這種“偏食”行為是個體在與社會互動中形成，并存在于傳播的各個階段。算法則基于個體興趣愛好，進一步擴散用戶自由，用主動推送的方式將用戶認為有價值的人或事呈現在眼前。說到底，以個體興趣為核心的“信息繭房”歸根還是用戶自我信息選擇的結果，算法與數據技術也不過是媒介的價值選擇機制在數據條件之下的一種“人體的延伸”。

2.用戶在媒介接觸和使用的渠道偏好與選擇窄化是“信息繭房”形成的前提

“信息繭房”另一個前提假定是個體始終接觸同質化的傳播內容與渠道，這種用戶媒介接觸的窄化現象同樣不是算法環境所“獨享”，可能是因為所處的傳播環境，而被動地接受選擇。比如，在封閉的山村中，村民對于事物的認知多來源于代際間口口相傳，也容易將一些神話傳說當作事實。

3.媒介體制的某些特征同樣會導致“信息繭房”

媒介的所有制和經營機制，以及關于媒介法律與管理制度，也是形成“信息繭房”不可忽略的影響因素。例如純粹商業邏輯的媒介運作也會在一定程度上誤導用戶視聽。

算法推薦在“信息繭房”生成后并不起增效作用

從算法當前的技術特征與用戶行為復雜性來看，算法對已經存在的“信息繭房”也不起穩定或增強作用。

1.智能算法推薦與媒體型分發、社交-關系傳播共同構成用戶獲取信息的來源

信息分發市場經歷了從人工編輯主導的媒體型分發、依托社交網絡傳播的關系型分發到智能算法對信息和人進行匹配的算法型分發主導的時代。目前，即使算法完全“掌握”了個體興趣，卻無法完全替代另外兩種信息分發模式。

2.對于用戶潛在信息需求的不斷挖掘是算法推薦在發展中不斷升級迭代的技術成長點

Symbiosis Finance創建鏈間通信協議，支持renBTC跨鏈兌換:7月15日消息，多鏈流動性協議Symbiosis Finance宣布已創建鏈間通信協議，允許用戶訪問renBTC并直接與比特幣交互。Symbiosis使用BNB Chain上的Ren Protocol為BTC執行兌換過程。Ren Protocol在BNB Chain上銷毀renBTC，并將BTC發送到用戶在比特幣區塊鏈上的地址。[2022/7/15 2:14:51]

當下，算法所推送的信息往往是粗顆粒的、未必匹配實時場景切換的。這其中，情緒識別是當前算法的技術難點之一，尤其是通過靜態圖片或文字特征難以斷定文本要表達的情感方向和程度。這就導致算法推薦通過數據知曉用戶對某明星感興趣，但很難鑒別你到底是“真愛粉”還是“黑粉”，于是不管你喜歡與否，系統會將吹捧和謾罵的內容一并推送給用戶。從這個層面上來說，算法把用戶感興趣的主題內容全部予以推薦，里面包含了互相矛盾和對立沖突的信息和觀點，實際上反而削弱了“信息繭房”形成的可能性。

3.個體的信息決策受到除技術外多種因素的影響

在沒有其他變量干擾下，算法型產品確實非常容易形成用戶黏性并影響用戶行為。但是，個體行為又往往受到了諸多外在環境變量的影響，如個體本身的人口特征偏向、現實生活的環境差異、社會群體壓力以及用戶能否指導自身實踐等等。

算法推薦正在對“信息繭房”的消解發揮重要作用

1.算法本質上是傳播權力向多數人的讓渡

在傳統的新聞生產中，傳播的主導權掌握在新聞媒體手中。現在，基于大數據與人工智能的推薦算法系統的引入，對傳媒領域來講，實質上是一種傳統的寡頭權力逐步讓位于技術邏輯主導的用戶權力的過程。

算法根據用戶的需求與個性推送新聞，使用戶自身在一定程度上成為自己的議程設置者，打破了媒體對傳播主導權的壟斷。同時，不同用戶的需求與個性是各不相同的，經由算法推送的新聞經過用戶的分享，使得多種聲音同時存在，顛覆了少數者的話語霸權。概言之，算法實際上釋放了用戶的自主意識，提升了公眾參與表達的能力。

2.算法的若干技術特性有助于解決越推越窄的問題

算法推薦有幾種主流技術類型，一是基于內容的推薦、二是協同推薦算法、三是基于語義的推薦算法。雖然基于內容的推薦算法可能會“窄化”用戶選擇，但協同過濾算法則是根據跟你相似的其他人喜歡什么來進行推薦，因此用戶可能接觸到自己都想不到的多樣內容。目前，融合多種算法、關聯更大數據的組合推薦系統得到發展與完善。

3.可信任的算法推動了用戶與內容的友好會話

算法技術本身并無“原罪”可言，可信任的算法技術是人文理性與技術理性相交融的產物。實際上，在意識到“信息繭房”存在的影響后，主流媒體機構、互聯網公司等都通過諸多嘗試優化內容的分發規則，建立可信任算法的倫理框架。

一是堅持人機協同，在算法技術應用基礎之上重視人工編輯的作用；二是注重公共議題的新聞專業主義，例如在媒介融合的實踐中，今日頭條、百度百家號等將時政新聞板塊交由主流媒體“打理”；三是在“隨機”設計中注入人性關懷。

四、算法推薦的發展趨勢

田心說：此部分內容了解即可，重點記憶小標題~

技術層面：從提取用戶行為到洞察用戶動機

隨著算法推薦系統的不斷完善，深度學習、知識圖譜等技術的發展，推薦算法的運行邏輯從“分類”走向“推理”，從提取用戶行為轉為洞察用戶行為背后的動機、意義和目的。

傳播層面：算法成為新的“把關人”

算法推薦的出現改寫了新聞業的生態，在“千人千面”的新聞聚合平臺中，對于受眾需求的精準把握成為人力所不能至，機器代替人工編輯成為新的“把關人”。算法通過自動化的內容分析決定了選擇什么信息作為熱門、將信息分發給哪些人群，信息分發的權利從內容編輯讓渡到了算法——更準確地說是算法的開發、利用者手中。

受眾層面：算法推薦效率、個性化和精準度有所提升，但信息失衡引發反思

對于受眾而言，算法推薦基于網絡行為、興趣愛好等個人數據進行信息分發、廣告投放，帶來了更加個性化的用戶體驗。隨著技術的升級和算法的完善，混合算法和知識圖譜等技術使得推薦進度進一步提升。然而，高度同質化的信息也帶來了信息失衡問題，信息繭房、算法隱形歧視等社會問題逐漸暴露。尤其是在社交媒體的合力下，情緒化的、煽動性的信息經過不斷傳播，還可能引發群體極化，造成社會管理風險。

Part5算法偏見

一、產生算法偏見的重要環節

田心說：這一部分了解即可~

運算規則設計中的算法偏見

通過大數據分析來研究受眾的閱讀偏好或者搜尋熱點新聞的傳播情況時，就需要編寫一定的算法，在這個過程中就要預設一定的“標準”來對信息類型或受眾偏好進行歸類。從擬解決問題的定義到運算模型的選擇，算法設計者的個人主觀色彩，包括個人偏見，也在不斷融入算法的生產過程。

數據收集、處理及運用中所隱含的偏見

數據從來都不可能是原始存在的，而是依照一個人的傾向和價值觀念而被建構出來的。我們最初定下的采集數據的辦法已經決定了數據將以何種面貌呈現出來。數據分析的結果貌似客觀公正，但其實如同所有新聞報道一樣，價值選擇早已貫穿了從構建到解讀的全過程。最終的結果看起來很無私，但實際上從構建到演繹的整個過程一直伴隨著價值選擇。

運算過程中的算法偏見

算法的運行是按照既定的程序輸入數據，依據計算法則對數據進行解讀，最后輸出運算的結果。從表面上看，算法的運行過程不太可能產生偏見，但事實上并非如此。高效、精準的信息推送靠的是算法推薦系統對用戶需求和興趣的認知來實現的，而這里的“認知”則是指推薦系統的智能處理和深度學習能力。深度學習就是通過“學習”大體量的用戶行為數據，來把握數據特征以及數據特征之間的關系，進而建立數據模型，實現優質推薦。算法系統進行深度學習的開端是嚴格按照事先設定的原則來運行，而且數據的篩選、供給是由人工實施的，如果用于訓練的數據存在某種傾向性的話，經過一段時間的學習，所形成的算法推薦模型也就會產生偏見。

二、算法偏見對新聞信息傳播的影響

田心說：這一部分需要在理解的基礎上背誦小標題~

背離了公平公正的新聞職業規范

從新聞職業倫理的角度看，公平公正歷來是新聞媒體標榜的旗幟，算法偏見作為一種預設的態度，將錯誤或偏頗的判斷融入新聞傳播活動中，違背了新聞職業規范。

挑戰了用戶知情權和信息選擇權

算法在社交媒體中的運用使用戶接收到的內容是被社交平臺篩選過的，一定程度上替用戶進行了信息選擇，消解了用戶的消息選擇權。有取必有舍，選擇意味著放棄。優先推薦依據所隱含的價值偏向過濾掉了與用戶偏好無關的信息，突出了用戶“欲知”訴求，忽視了“應知”訴求，損害了用戶的知情權和信息選擇權，消減了用戶的人文價值判斷和社會責任意識。

易于解構社會共識，引發輿論風險

在技術不斷迭代更新的環境里，智能算法與社交媒體的結合突破了主流媒體對傳播渠道的壟斷，體現了強烈的個性化和利益相關性，削弱了傳播的公共性，影響了主流價值觀的構建。尤其是在“算法神話”的遮蔽下，非理性的、偏見的、煽動性的信息傳播打著“個性化”的旗號，解構了主流的社會共識，埋下了引發公共輿論的潛在風險。

三、新聞傳播中算法偏見的應對策略

田心說：這一部分需要在理解的基礎上背誦小標題~

從法律法規層面規約算法設計者和使用者

算法設計者對自己設計的算法負有直接責任，對因算法設計問題所造成的歧視、偏見等有損使用者的結果理應承擔一定的責任與義務。算法設計者應積極承擔數據可查義務、解釋性義務以及惡意操縱責任，算法使用者也同樣承擔著因算法問題給算法服務對象造成損害的責任。

以“技術之力”消除“技術風險”

技術的發展遵循著一種循環邏輯：為解決問題采用了新技術，新技術引發了新問題，然后采用更新的技術去解決問題。

首先，將兩類機器學習適度結合。機器學習算法主要分為兩大類，即監督學習和無監督學習。目前，大多數算法訓練采用的是監督學習，所使用的數據來源于算法設計者選擇的標簽數據，而算法系統不會質疑這些數據是否存在偏見或歧視，它只是按照既定原則去探尋輸入輸出的關系，由于這一過程中摻雜了人的活動，難以保證數據做到完全的客觀公正。相對而言，無監督訓練使用的是沒有任何標簽的數據，在不給任何額外提示的情況下，算法系統自己對數據實現分類、識別和匯集，在這個過程中，沒有人工的參與，有助于消減那些有意識或者無意識的人為偏見，避免干擾訓練數據的客觀公正性和算法模型的最終產生。因此，可以考慮在算法系統在生成到優化的不同階段，把兩種機器學習方式結合起來。

其次，將公正公平原則嵌入機器學習。從技術層面或者說在機器學習過程中嵌入“機會平等”概念和技術公平原則，在人工智能日漸代替人類做出抉擇的時代顯得非常重要。國外已經有研究團隊依據約翰·羅爾斯的公平技術定義及其“機會公平平等”理論，引入了“歧視指數”的概念，提出了設計“公平”算法的構想。

最后，提高算法透明度。算法的透明度不僅牽涉新聞生產流程的“客觀性”“公平公正”，而且關聯著公眾對新聞媒體及其產品的信任。技術只有透明才能獲益。每一種技術都能通過以下這三個準則得到改善：用戶對技術的了解應當和技術的創造者一樣多；技術信息應該隨技術一起傳播；其他技術也應該了解它的一切。

建立第三方審核機構，強化行業自律

由于算法有著較強的專業性和復雜性，一般用戶很難對算法設計者和使用者實現有效監督，較為可行的方式是建立由科研單位、非營利組織等多主體構成的第三方審核機構，制定完整的運行機制，對涉及面廣、影響深遠和存有爭議的算法進行審查和評估，并借助互聯網行業的自凈功能來保證算法的客觀性和公正性。

構建公平公正的算法價值觀

因為算法是在做信息的生產與傳播，它在屬性上就烙下了“媒體”的印痕，它就必須承擔社會責任。算法的追求不僅僅是效率和流量，更在于為社會確立、維護正確的價值觀。對算法的設計者、運營者、使用者以及用戶而言，可以考慮把“算法價值觀”納入專業技能培養和通識教育體系中，幫助大家認清算法運行的基本原理和局限性。

Part6主流媒體算法

一、主流媒體算法構建的必要性

田心說：這一部分建議在理解內容的基礎上背誦小標題~

算法推薦存在非中立性

算法從設計開始就必然內嵌著價值觀，存在著價值負荷，并且具有正向價值和負向價值雙重屬性。究其根本，算法推薦看似中立的技術表征下，有著強烈的價值駕馭空間，算法涉及的數據沉淀、用戶研究、使用策略等都有鮮明的價值導向和意識形態屬性，在這個意義上，算法推薦本質是價值驅動下的算法技術。什么樣的價值來“駕馭”算法，決定了算法對用戶的影響程度，故有必要以主流價值觀駕馭算法。

技術和資本裹挾下的算法推薦帶來社會價值觀混亂

技術和資本裹挾下的算法推薦，在促進新興業態繁榮的同時，也在不同層面和程度上帶來社會價值觀的混亂，低級趣味、歷史虛無主義等不被倡導的價值觀通過算法被強化和放大，成為影響主流價值傳播的重要因素。野蠻生長后的商業技術平臺，也必然受到規范的約束和有力的管控。

主流價值重新定義算法

時代場域下，算法技術的發展應朝著符合大多數人利益的方向，唯有在價值認同框架下重聚社會主義意識形態價值引領的傳播主體，才能有效傳播社會主義意識形態，我們應正確認識并主動為算法賦予主流價值，在算法生產的各環節和全過程進行價值引領，實現主流價值對算法的駕馭，讓社會主流價值在新技術條件和媒介生態下有序傳遞。

主流媒體算法體現社會責任，廣受認同

在新型主流媒體建設征程中，主流媒體算法的實踐并不鮮見，人民日報客戶端2019年9月的7.0版，在全國率先推出了主流算法。央視頻倡導的“總臺算法”，也在央視頻平臺“影視”板塊上線，將宣傳導向、藝術價值和商業價值有機結合，根據用戶興趣喜好，在短視頻、長視頻、移動直播中實現多業務混合推薦，為用戶提供良好收視體驗。從中央媒體到地方媒體，主流媒體紛紛駕馭“算法”的背后，是其傳播、維護主流價值觀的社會責任。

二、主流媒體算法的定位

田心說：這一部分內容了解即可~

具有鮮明的黨媒屬性

實踐證明，在錯綜復雜的輿論格局中，“家辦報”理念在互聯網時代仍然有強大的生命力，有著黨媒基因的主流媒體算法，價值歸屬和價值導向顯而易見。

助推主流內容生產、傳播提檔升級

近年來，以人民日報、新華社等為代表的主流媒體更新敘事語態，創新話語表達，產品形態不斷推陳出新，獲得了極大的群體價值認同。主流媒體所代表的主流價值在移動互聯時代具有被認同被推崇的魅力，主旋律可以高顏值、年輕態，主流媒體傳播力、引導力、影響力、公信力進一步鞏固提升。

激活優質存量內容，為主流擴容

主流媒體算法可以讓內容更加主流，通過對全網熱點內容數據進行挖掘，對新聞內容進行分類標識，建立主流價值觀評價體系，從源頭把控內容品質，同時建立內容風控模型。可以讓推薦更具價值，通過對用戶和內容的多維度特征描繪，建立主流媒體算法內容標簽和用戶標簽體系，實現海量具備主流價值觀內容與用戶個性化需求高效、精準匹配

三、主流媒體算法的功能實現

田心說：這一部分建議在理解內容的基礎上背誦小標題~

把控內容質量

主流媒體算法通過主流價值內容采集和質量審核系統，實時獲取主流價值觀熱點新聞，并預測可能成為主流價值觀熱點新聞，采用推薦算法，挖掘優質熱點新聞入庫，實現人機結合，賦能內容正確價值觀。編輯發稿前，采用質量風控算法，對編輯完成后的稿件進行主流媒體價值觀審核，通過后才可發出。

加深內容認知

主流媒體算法根據用戶人口屬性、用戶分類、行為屬性、興趣特點等，建立黨媒用戶標簽體系，為黨媒推薦系統提供用戶畫像側標簽支持。同時，在內容側構建出主流價值觀標簽體系，深度挖掘內容與用戶潛在的關聯關系，構建黨建、社會治理、政務服務、文化、智庫等領域的黨媒知識圖譜。

優化智能分發

媒體通過推出智能推薦引擎、智能搜索引擎、人機交互引擎，深度融合黨媒業務場景和專業能力、經驗，最終能夠形成多場景分發、多算法融合的智能分發機制，更好實現優質信息找人。

追蹤傳播效果

主流媒體算法助力全鏈條動態監測傳播渠道、路徑等效果，全面摸排內容傳播力度，精準評估熱點事件和熱點新聞影響力，并基于用戶情感分析，有效提升黨媒傳播認知水平。

四、推進主流媒體算法的重點和難點

田心說：這一部分建議在理解內容的基礎上背誦小標題~

應全力打造自主可控平臺

自主可控平臺為主流價值駕馭算法裝上了“防護盾”，守住了安全底線。主流媒體在發展中要加快自身的數字化轉型，建設大型數據庫，加強數據儲備、數據篩查、數據清洗等技術建設，因地制宜打造主流媒體算法，精準進行主流輿論傳播，擴大主流價值版圖。

應將算法納入治理體系框架中

算法不是簡單的技術工具，會影響經濟生活各個方面和人的成長發展，要在法治化、規范化、制度化的框架下運行發展。目前，國家法律法規不斷完善，《數據安全法》《個人信息保護法》都為算法發展提供了有力的法治保障，國家網信辦等九部委印發的《關于加強互聯網信息服務算法綜合治理的指導意見》，對管理好、使用好、發展好算法應用做出了頂層設計。在具體的實踐中，需要各平臺堅持“誰主辦誰負責”原則，切實履行管理責任，共同為算法發展營造良好環境，促進算法應用主流化。

案例積累

1.算法新聞最初是由美聯社首先采用的一種新聞寫作方式，2014年美聯社首先采用Wordsmith機器人寫作財務報告，伴隨著算法技術的不斷成熟與發展，算法新聞涉及的領域也從最初的財經、體育類新聞不斷拓寬。華盛頓郵報開發的智能機器人TruthTeller專門用于時政新聞寫作，洛杉磯時報則研發出自動報道地震新聞的機器人Quakebot。同時，算法新聞也從格式化向著個性化的進程方向發展，2017年名為Custombot的算法工具的誕生，它可以根據消費者個人喜好制定新聞推送的內容，這在很大程度上使者算法新聞朝著個性化進程方向發展。

2.2022年3月1日起，國家網信辦等四部門聯合發布的《互聯網信息服務算法推薦管理規定》正式施行。

為了打破算法摸不著也看不懂的“黑箱”，《規定》明確要求保障用戶的算法知情權和算法選擇權，應當向用戶提供不針對其個人特征的選項，或者便捷的關閉算法推薦服務的選項。

《規定》要求算法推薦服務提供者應當堅持主流價值導向，積極傳播正能量，建立完善人工干預和用戶自主選擇機制，不得利用算法實施影響網絡輿論、規避監督管理以及壟斷和不正當競爭行為。

雇傭網絡“水軍”實施流量造假，鼓動“飯圈”粉絲互撕，刷量控評，一些算法推薦服務提供者干預熱搜，影響網絡輿論的現象讓人詬病。《互聯網信息服務算法推薦管理規定》將給這類影響網絡輿論的“黑手”戴上“緊箍咒”。

《規定》要求算法推薦服務應遵循公開透明的原則，鼓勵算法推薦服務提供者綜合運用內容去重、打散干預等策略，優化規則透明度和可解釋性。建立健全算法機制機理審核、科技倫理審查、用戶注冊、信息發布審核等管理制度，不得利用算法操縱榜單、控制熱搜等干預信息呈現。

……

3.新聞推薦算法還會偶爾出錯，產生不良的社會影響。作為互聯網超級平臺的騰訊，不僅屏蔽過新華社的文章，還屏蔽過人民網的文章。如：2020年3月2日，人民網文章《給民間中醫留一條生路》被該互聯網公司屏蔽；2020年2月，新華社的文章《新華社：讓人講真話，天塌不下來!》被該互聯網公司屏蔽。2020年2月25日，“今日頭條”算法出錯，連解讀政府文件的信息，審查都通不過。

4.今年9月，川觀新聞迭代升級，8.0版正式上線，“主流媒體算法”就是新版本的特色之一。在川觀新聞的品宣中，主流媒體算法就是主流價值觀駕馭的“算法”，由川觀新聞自主研發，深度運用于川報全媒體內容采集、生產、分發、接收、反饋中，助力新型主流媒體擴大影響力版圖，使其既滿足用戶個性化需求，又體現主流價值導向，更好地實現優質信息找人，全面提高輿論引導能力。

答題金句

1.正如斯科特·拉什所說，“在一個媒體和代碼無處不在的社會，權力越來越存在于算法之中”。算法技術的運用，不僅對原有的傳媒生態進行了重新賦能與賦權，還影響和解構了以往的權力模式。算法在給普通用戶提供個性化信息服務、提高信息生產效率、緩解信息過載難題的同時也引發了一系列倫理問題。

2.當今社會正步入深度算法社會，算法技術影響下的社會結構正發生深刻變革，人與人之間、人與社會之間的連接方式逐漸被重新定義。與算法共生、與算法同行，成為算法社會必然的發展趨勢。面對算法時代的新趨勢、新現象，社會如何思考算法，個體和文化如何應對“算法化”的生活，是當下人文社會科學界研究繞不開的課題。

3.“算法推薦”是媒介技術進步的標志，客觀上滿足了用戶對信息的需求，實現了用戶和信息的精準對接，帶來了新聞生產格局的新變化。同時，“算法推薦”的普及和運用也增加了各媒體發展的壓力，助推各媒體機構必須解放思想、創新思維，勇于突破。只有進一步提升新聞內容的生產質量，改變新聞信息內容供給用戶的形式，才能在未來媒體競爭格局中占據有利優勢和制高點。

4.在“算法為王”的時代里，既要充分發揮、利用好技術手段，又應當理性地認知技術存在的固有缺陷，重塑人類獲取信息、認知世界的方式，超越大數據和算法帶來的壁壘與高墻，讓算法真正做到服務于人，構建更加公正、平等、普惠的網絡空間。

5.數據信息的資源化已成為不可逆的趨勢，我們生活的空間、行為的情境無一不被數字化、算法所重新定義與塑造。同時，也應該看到，算法從來不是獨立的，是人類自身賦予技術權限去記錄、讀取、分析我們的行為數據，為我們的決策提供意見與幫助，但是在具體使用的過程中難免出現目的與路徑錯位的現象。認識算法、理解算法、批判算法是善用算法的前提，否則“我們塑造算法，然后算法塑造我們”將不止存在于科幻故事中。

以上內容整合自：

譚九生、范曉韻：算法“黑箱”的成因、風險及其治理

朱巍：促進互聯網算法生態規范發展四大關鍵點

曹開研：構建良好算法生態，加強主流價值引導

張立冬、黃云：川觀新聞：推進主流價值駕馭算法

方師師：算法如何重塑新聞業：現狀、問題與規制

田麗：算法推薦的實踐與認知研究

喻國明、趙文宇：算法是一種新的傳播觀：未來傳播與傳播學的重構

趙雙閣、岳夢怡：新聞的“量化轉型”：算法推薦對媒介倫理的挑戰與應對

喻國明、方可人：算法推薦必然導致“信息繭房”效應嗎——兼論算法的媒介本質與技術倫理

許向東、王怡溪：智能傳播中算法偏見的成因、影響與對策

吳椒軍、郭婉兒：人工智能時代算法黑箱的法治化治理

閆坤如：人工智能的算法偏差及其規避

方師師：《算法推薦管理規定》中的政策矩陣與交互想象

羅新宇：智媒體傳播中“算法推薦”倫理的沖突與規制

匡文波、張一虹：論新聞推薦算法的管理

林嘉琳：算法技術演進下新聞傳播的倫理困境

張蕾、孫冠豪：算法社會：智能傳播時代的文化變遷與走向

張瀟瀟：算法新聞個性化推薦的理念、意義及倫理風險

網信中國：《互聯網信息服務算法推薦管理規定》今天起正式施行

祝好

Tags：人工智能Teller人工智能技術應用學人工智能后悔死了人工智能考研考哪些科目Teller幣是什么幣

FTT