网络公共领域下的个性化新闻推荐

贾晓通 邓天奇

摘  要  随着计算机技术的发展，新闻资讯阅读也接入了个性化算法推荐，有学者指出个性化的新闻推荐加剧了“信息茧房”现象，窄化了公众的信息接收渠道，网络“回声室效应”造成了群体观点极化，但这些论断未能充分考虑个性化新闻推荐逻辑、个体对于信息阅读的能动性，也未在业已重塑的网络公共领域中去考量，文章对这些未被充分论证的方面进行探讨。

关键词  信息茧房;公共领域;个性化新闻;群体极化

中图分类号  G2      文献标识码  A      文章编号  2096-0360（2019）05-0019-02

随着人们生活节奏的加快，通讯技术的发展以及阅读场景的碎片化，手机越来越成为人们阅读新闻的主要工具。张瑜烨等学者认为以“今日头条”为代表的智能个性化推荐新闻聚合平台加剧了互联网阅读时代受众“信息茧房”的形成，个性化的新闻推荐窄化了人们的信息渠道[1]。但是这一学术假设并未建立完善的分析体系，“信息茧房”如同本身的概念所言，通过“回声室效应”获得了学界的认可和推崇。

1  “信息茧房”的形成机理及具体表现

互联网时代充盈的信息量，一方面丰富了受众的信息选择渠道，使得资讯定制成为可能，另一方面信息过剩也提高了用户的选择成本。凯斯·桑斯坦在《信息乌托邦》中提出了“信息茧房”概念，他认为在信息的传播过程中，公众会倾向于选择符合自我兴趣，使自己获得愉悦的信息，久而久之，会由于信息选择范围窄化而导致形成自我“信息茧房”，认知呈现片面化倾向。此外，凯斯·桑斯坦在《共和国：社交媒体时代的分裂民主》中还提出，现今的人工智能算法基于对受众的了解便可以告知受众他们喜欢什么，算法使“个人日报”的定制不再依赖于受众的自我完成，而是通过寻找用户之间的相似信息完成定制，而最终这份高度定制化、个性化的“个人日报”会使受众沉浸在自我信息虚拟环境中，从而人们的认知会越来越窄化。

就其具体表现与影响而言，王刚认为，人们主要通过多元化的信息接触来改善头脑中的刻板印象，处于“信息茧房”中的人们就某一公共事件发表看法时，由于自身视野的局限，看法和意见往往是偏颇的[2]。姜小凌、马佳仪认为在由推荐算法主导的信息整合和分发平台中，信息同质化现象严重，因为这些平台根据用户浏览行为和阅读兴趣进行持续性的相似信息推荐，从而导致了用户阅读的信息呈现单一性、同质性[3]。“信息茧房”理论假设成立的前提是人们自身的信息需求并非全方位的，公众只注意自己选择的东西和使自己愉悦的通讯领域，但是受众即便有明显的倾向不代表着同质化的新闻资讯内容是受众的真实需求。

1.1  新闻资讯内容同质化困境

内容同质化是当前新闻资讯类应用遇到的共同困境，很多應用没有高质量的原创内容，只有同行之间的转载、“借鉴”，这并不能满足用户对原创性资讯的需求。去中心化、全民评论、内容多样化及自媒体成为受众的新需求，用户对资讯内容的多样化需求正面临着当前内容同质化的困境[4]。

在当前互联网市场发展中，新闻资讯类应用面临着激烈的竞争，手机应用市场中的新闻资讯类应用种类繁多，根据资讯生产和传播类型，可以分为传统新闻机构类，商业门户网站类，新闻聚合平台类以及垂直新闻资讯类。根据腾讯企鹅智库的《2018中国媒体价值报告》显示，约有48.8%的用户在手机上安装了2个以上的新闻资讯类应用，且同时安装多个新闻App开始成为一种潜在的趋势，新闻资讯的多样化需求明显。根据《2018中国新闻媒体趋势报告》显示，76.4%的用户使用新闻资讯类App获取资讯，66.9%的用户通过社交网络获取，42.2%的用户通过手机浏览器获取。受众有着丰富的获取新闻的渠道，个性化推荐新闻的出现不意味着受众获取新闻的渠道受阻，而是作为一种多元化的渠道进入到受众获取新闻资讯的视野中。此外，相较于传统的新闻机构以及商业门户网站的订阅内容，个性化新闻推荐的算法机制实际上会在一定程度上扩大用户的阅读范围。

1.2  个性化新闻推荐算法的推荐逻辑

现有的个性化推荐算法可以分为基于内容过滤的推荐、协同过滤推荐和混合推荐三大类。基于内容的推荐方法是对内容属性与用户自身的喜好标签、消费习惯进行匹配，用户在应用内的浏览记录、互动行为、停留时长以及账号信息都会被作为用户的标签维度与内容属性进行契合度的评估、计算，从而对用户进行针对性的序列化信息推荐，这种推荐方法依赖内容属性的相似性，容易造成推荐结果新颖性不够;协同过滤推荐方法背后的逻辑是用户可能会对具有相似标签或兴趣的其他用户做出过积极评价的内容感兴趣，即用户收到的个性化推荐内容是基于与自己具有相似兴趣的其他用户行为所生成的，这种方法依赖用户之间相似的历史网络行为，所以无法对新内容进行推荐;为了克服以上两种方法的不足之处，研究人员提出了将内容属性和历史行为相结合的混合推荐方法，这也是现代推荐系统中应用最广泛的方法之一[5]。

个性化新闻推荐是基于新闻特征类型、新闻文本分析以及用户兴趣模型等不同因素的权重进行信息分发的机制。其中用户兴趣模型的建立不是一成不变的，会随着时间呈非线性的变化，越早浏览的新闻资讯在用户头脑中留下的印象越浅，所以越早浏览的新闻类别和文本在用户兴趣模型的建构和匹配中所占的权重越低，此外协同推荐中依赖的用户相似性聚合模型也会随着个体用户兴趣模型的变化而发生变化，从而用户收到的新闻资讯推荐内容呈现出动态变化趋势。

除此之外，多样化的优质内容成为了受众的新需求，同质化严重的新闻资讯内容会降低受众的使用兴趣和使用率，在个性化新闻推荐的使用过程中，受众的主体性不会受制于趋同化的算法模型，满足于阅读同质化的新闻资讯。个性化的新闻推荐不能简单地理解为重复、同质的阅读，而是一种基于受众兴趣的动态变化的资讯阅读方式。

2  网络公共领域与群体极化

哈贝马斯在《公共领域的结构转型》中将公共领域定义为一个不须在现实空间中存在的“虚拟或想象的社区”，这个社区“可以理解为一个由私人集合而成的公众的领域”，公众领域的主体是作为公众舆论中坚力量的公众，组成公众的私人除了关心自己的私人利益，更关心的是普遍利益，公众不受各种强制性的力量集合而成，他们可以自愿参加、组织，可以自由、公开地表达观点和主张;公众舆论是公共领域的客体，而媒介和公共场所是公共领域的载体。

截至2018年6月，我国网民规模为8.02亿，互联网普及率达57.7%。网络空间已经成为我国公民参与公共生活的重要的公共领域，越来越多的人们通过手机网络获取新闻资讯，公共舆论场地也正在从传统媒体转向网络媒体和社交媒体。

2.1  网络空间下的公共领域重构

在互联网信息时代，公共领域的建构已经发生了重塑。公私领域的界限变得模糊，公共事务可以私人化，私人化的事务也可以传播到公共领域中。传统主流媒体不再占据绝对主导性信息源头，网络信息技术对人们的在网络公共领域的发言进行了赋权，人们之间的信息交流变得平等，每个个体在网络公共领域中都可以平等发言，同时也有了选择接受不同信息的权力。信息生产者和信息消费者都变得更加多样化，匹配存在着天然的难度，但是平等的网络空间为共识的形成提供了良好的沟通环境。定制化、个性化的“个人日报”式资讯阅读为公众提供了丰富而又不同的资讯内容，进而为共识的形成提供了坚实且多样的公共辩论基础。

2.2  “群体极化”是信息公共领域理论在新媒体时代的过程性产物

桑斯坦在《信息乌托邦》中提出了“回声室效应”，他认为具有近似想法的人们在网络世界里会把自身归入回声室里，形成“信息茧房”，与外界的信息沟通逐渐减少，但是使用个性化算法进行推荐的新闻聚合类应用的上游內容方不仅包括传统媒体、网络媒体等媒体机构，还包括自媒体以及个人用户（UGC）。多样化的内容源头保证了受众信息获取渠道的开放性，使得“回声室”的构建也处于开放性的状态，可以容纳新的信息和观点。

在个性化新闻推荐中，系统推荐算法通过找寻用户之间的共性进行内容推荐，这有利于群体间意见的统一，而群体间意见的初级统一不应被理解为闭环的“回声室”，更应该理解为是互联网时代不同次级群体在进入到公共领域的讨论之前的过程性产物。

3  结束语

在网络信息时代，受众已经呈现出了差异化的需求，传统的资讯分发方式已经无法完全满足这种差异化的需求，受众群体间形成共识的难度上升。个性化新闻推荐依托于用户兴趣及行为的共同之处构建用户兴趣模型，通过统一不同个人的意见，更利于聚合意见，形成共识，构建网络时代的公共

领域。

如今，以今日头条、天天快报、一点资讯为代表的智能推荐新闻聚合应用均已上线以主流媒体资讯为主的“新时代”板块，同时保留了个性化的“推荐”板块，在服务用户兴趣和用户体验的同时，也保证了用户对主流信息的接触，为用户提供了更多的阅读选择，拓宽了用户的信息接收渠道。

参考文献

[1]张瑜烨，郑幼东，张诗琪.信息茧房：智媒时代个性化推荐系统运作逻辑与反思——以今日头条App为例[J].现代视听，2018（11）.

[2]王刚.“个人日报”模式下的“信息茧房”效应反思[J].青年记者，2017（29）：18-19.

[3]姜小凌，马佳仪.阅读的“暴力”：对新闻客户端算法推荐的再思考[J].中国出版，2018（24）：43-46.

[4]李佳潼.当前新闻App的发展困境与对策[J].新闻世界，2018（1）：36-38.

[5]梁仕威，张晨蕊，曹雷.基于协同表示学习的个性化新闻推荐[J].中文信息学报，2018，32（11）：72-78.