抖音算法推荐机制探索性分析

李瑶瑶

【摘要】算法与传媒业的深度融合使抖音等短视频平台风头正劲，本文旨在介绍抖音的算法推荐机制，并从传播学的角度分析其存在的问题以及解决的对策，以期为短视频平台发展提供借鉴。

【关键词】算法推荐;信息茧房;把关人;抖音;短视频

中图分类号：G212                文献标识码：A                     DOI：10.12246/j.issn.1673-0348.2022.04.089

近年来，随着人工智能时代的到来，社会信息内容生产领域产生巨变，算法推荐技术被广泛应用于全社会的信息传播活动中。对传播领域而言，传媒业的内容生产、传播的传统组织形式和流程被解构重组，意识形态层面的建构也更加复杂化。作为发展态势最强的短视频平台之一，抖音算法推荐机制在短视频市场风头正劲。

1. 抖音的算法推荐机制

1.1 基于“用户信息”的协同过滤模式

作为抖音最基本的算法推荐技术，协同过滤推荐通过获取用户性别、年龄、兴趣爱好及网络行为等基本个人信息以及社交关系资料，大概地描绘出用户画像。在进行短视频分发时，通过协同过滤算法找到与该用户相似程度较高的用户集群所喜欢的短视频，再把其中点击量大、互动量高的短视频推送到该集群中用户的首页推荐。

平台用户在初期使用阶段，获取自己所感兴趣的短视频最为主要的方式就是基于用户信息的协同过滤模式。随着使用时长的增加，用户提供给抖音系统的信息愈加详细，系统对用户信息需求的判断也越来越准确。

1.2 基于“去中心化”的精准分发模式

在自媒体风靡的社会，社交媒体最重要的就是“去中心化”的传播原则。每个用户都能是传播场域中的节点，都可以独立生产信息内容，并實现“点对点”的传播。从传者的角度出发，“去中心化”这一基本原则鼓励平台用户积极生产内容。比如，平台新注册用户在发布短视频后，会被分配一部分基于用户社交关系网络的基础流量。然后结合已分析的用户画像和内容属性，向其他有相似属性的用户推荐该视频。作为信息的接收者，在“去中心化”的前提下，算法自动分析视频内容风格、属性等，根据点赞数、评论数、转发数等使用习惯作为量化标准，将各类视频推送至不同用户的首页，实现视频的智能精准推送。

1.3 基于“内容流量池”的智能叠加推荐模式

随着“算法推荐”在近几年逐渐被大规模运用，流量池原理也被业界及学术界提出，信息内容在获取一部分流量后，通过储存、后期运营及进一步发掘等手段，实现信息的再传播，从而赢得更多地流量。

结合视频内容的互动率、完播率等指标元素，形成此条视频的综合权重，便是在进行叠加推荐时的考量标准。并且每个指标所能影响的权重又各不相同。内容在被平台综合考量后达到一定量级，就会借助大数据和人工运营的机制进行不断的推荐。举例而言，当用户发布了一条视频后，系统会将视频按照算法分配到相符量级的流量池中，然后投送到该量级用户的移动端平台界面。接着以完播率、评论数、点赞数、转发量等为依据得到加权分数来考量视频传播的效果。叠加推荐会将加权分数高的视频再次加入流量池进行更大范围的分发。传播效果不理想的视频则可能沉到流量池底部，失去叠加推荐的机会。

2. 算法推荐机制存在的问题

当下的信息环境中，短视频可视化、碎片化等特征迎合了网络用户的信息浏览习惯，在资本的助推下发展势头尤为迅猛。技术是把双刃剑，算法技术在极大地节省了人力成本，满足了用户个性化信息需求的同时，带来的问题也不容忽视。

2.1 信息茧房

2006年，凯斯·R·桑斯坦教授在其著作《信息乌托邦》中提出“信息茧房”的概念，“因公众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，久而久之，会将自身桎梏于像蚕茧一般的‘茧房’中。”

关于信息茧房的形成，我们可以从用户和算法的角度综合思考。从用户的角度出发，传播学家拉扎斯·菲尔德的选择性接触假说中提到，受众在接触大众传播的信息时并不是不加选择的，而是更愿意选择接触那些与自己的既有立场和态度一致或接近的内容，而对与此对立或冲突的内容有一种回避的倾向。这一假说也为我们思考信息茧房的形成提供了一定的理论依据。复旦大学张涛甫教授表示，信息茧房在概念形成之前其实就已经存在。每个人在认识世界时都依靠自己的认知模型，但碍于人有认知能力有限，对于世界的认知不可避免地存在局限性和片面性。用户在浏览信息的过程中归从于自身的喜好，而把兴趣度不大或与自己意见相左信息排除在外。另外，算法的出现也放大了这一问题。建立在用户数据基础之上，算法的大规模应用不断地为用户推送倾向性一致的内容，排除了算法认为对用户无用的信息。由此，用户的信息领域逐渐窄化，陷入由偏好和先见搭建而起的信息茧房中。并且用户个体长期桎梏于信息茧房中，产生的负面影响也值得注意：

2.2 用户的视野拓展受制

不容置疑，算法推荐机制满足了用户的信息定制和个性化推送服务。但分析用户网络行为时会发现，单个用户的信息兴趣图谱一般比较固定，相对比较制化的算法技术只能按图索骥，推送它认为用户喜欢或需要的信息。事实上，要满足人的全面发展诉求，还需要兴趣和偏好以外的多种信息来充盈自己的信息量和知识结构，从而拓宽视野。算法推荐机制过于机械化的操作模式也会使用户的信息关注领域更为固化，接收到的内容与实际需要的信息不匹配。可以说，算法刻画的行为图谱越精准，用户的信息接收视野就越狭窄。比如在娱乐化的今天，一些搞笑、自拍、故事类等华而不实、博取眼球的内容往往能拥有更多地流量，占据了平台内容的主流，而与实际生活相关的内容却相去甚远。长此以往，用户的认知和价值观会出现偏差，并且筑起自我封闭的堡垒。

2.3 造成群体极化

清华大学彭兰教授曾指出，在社会化媒体中，用户以社交对象作为信息来源。他们在进行信息过滤的同时，也选择信息来源。社会化媒体在一定程度上强化了人群的分化。抖音短视频平台基于用户信息的协同过滤模式可以将有共同兴趣爱好和价值取向的人集中在一起，形成用户群体。算法的实施为群体内的用户进行了议程设置，在群体内部，相似的内容不断增加，与用户自身相像的观点持续出现形成“回音壁效应”，这也让用户认为自己持有的观点或立场属于社会中的多数，从而陷入这样的“拟态环境”中。算法的运行不断地强调着用户个体之间的思想鸿沟，也导致了有相同观点的用户所属群体与其他群体之间割裂。不同群体之间由于认知和价值观的根深蒂固，无法进行信息的交流与观念的融合。用户群体一旦出现了信息偏食，沉浸在信息茧房中，则会影响其对社会主流价值观的认知，出现群体极化现象。

2.4 社会整体粘性削弱

凯斯·R·桑斯坦说过：“整个社会需要一种社会粘性，这种粘性是由共同经验得来的。”大众媒体时代，信息的传播具备一定线性的传播特点，受众对信息是广泛接触与规模接收的模式。进入人工智能时代，定制化的信息推荐模式很大程度上使用户个体与个体之间的共同经验减少，画地为牢地将自己封闭在自我话语场域中，拒绝与他人进行交流与分享。延伸到社会生活中，当个体或群体之间缺乏沟通与交流，社会粘性就会大大削弱，也大大提高了维系共同体的难度。

2.5 缺乏内容“把关人”

传统意义上的把关概念已经不再适用于人工智能时代的信息生产。“把关人”功能逐渐弱化，内容生产的选择权和主导权过渡到受众身上，平台缺乏对内容的审核与管理。算法是否能掌握好“虚构”与“实际需要”之间的界限，是否传播低俗内容，在技术上都亟待解决。虽然一些平台目前也增设了内容的人工审核岗，但由于用户数量的巨大，人工力量难以承担如此庞大的数据量，算法仍然是内容分发与审核的首要方式。另外，抖音基于内容流量池的智能叠加推荐注重对加权分数的抓取，视频内容的质量和价值取向识别难度较大，这也会出现低质量、非主流价值取向的短视频反而会得以大范围传播。一些质量高的小众作品也会屈服于流量带来的利益，转变创作方向，迎合大众口味，继而引发强者越强、弱者越弱的“马太效应”。

3. 建议与对策

面對算法推荐机制存在的问题，对用户而言，应该自觉提高自身的媒介素养，改变原本带有惰性的使用习惯，努力摆脱算法推荐机制营造出的幸福感假象。作为传者，要自身充当好“把关人”的角色，在内容生产阶段应注重内容质量的打磨，传达正确、积极的价值观念，拒绝以哗众取宠的手段获取利益。坚持“内容为王”，凭借优质的内容注入平台。作为信息接收者，应该有意识地浏览、掌握不同类别的主题，主动搜索不同类别的信息，力求以多元化信息拓宽视野，打破信息壁垒，为自身打造多元化的信息环境。

对平台而言，应该尊重用户的多元化需求，优化算法设计，进一步完善多维度的算法推荐系统，在运营过程中，注重对平台用户使用行为的深度数据挖掘。同时，加强内容的过滤审核，在算法审核的基础上，提高人工审核的效率，避免“同质化”现象愈演愈烈。此外，对于具有优质视频生产能力的用户放宽视频创作的权限，如身份认证、延长时长、平台变现等方式予以鼓励。引入举报、投诉和其他负面评价机制，进一步净化网络空间。

4. 结语

作为人工智能时代的产物，算法推荐机制顺应了时代潮流，在提高了传媒产业效率和效益的同时，对传播实践的改变也起到了助推作用。用户在使用平台时，应该采取辩证的眼光，肯定算法推荐对个性化信息需求的满足，实现了信息的丰富化呈现。同时对算法存在的问题也不容忽视，用户和平台要共同治理，以技术为支撑，以正确的价值观为导向，打造出健康、积极的网络平台。

参考文献：

[1]喻国明：《“信息茧房”禁锢了我们的双眼》，《环球时报》，2016年12月2日

[2]史亮.当下传播实践中基于算法推荐的思考[J].传播与版权，2020（2）.

[3]黎曦子.抖音的算法推荐模式与发展策略[J].新闻研究导刊，2020.

[4]董方旭、康许培、赵乐群.算法推荐机制下"过滤气泡"的形成，影响与规避[J].新闻爱好者，2020，No.515（11）：46-51.