什么是推荐算法？新闻推荐算法对新闻媒体意味着什么？ - 全文

作为新闻业在数字环境下“后台前置”的下一个阶段——“把关后移”的主体，平台媒体（platisher）的新闻推送业务大多基于用户的使用惯习，通过算法预测用户感兴趣的信息和话题，再将其推送给用户。逐渐转型为平台媒体的社交媒体在现有的模式下很大程度上主导着新闻内容的聚合与分发，其身份和功能的主要定位是通过对于用户偏好的精确匹配，从海量过剩的信息洪流中将用户最关心、最适合用户接收的信息甄选出来。这种模式目前备受推崇。

美国皮尤研究中心《2016美国社交媒体平台新闻使用报告》显示，62%的美国成年人从社交媒体上获取新闻，Facebook成为最大的新闻入口；今年8月易观发布的《中国移动资讯信息分发市场专题研究报告2016》显示在国内资讯信息分发市场上，算法推送的内容已经超过了50%；路透新闻研究院的调查显示，虽然对于算法推送新闻确实存在算法审查（Algorithmic Censorship）、平台偏向（platform bias）、信息茧房（information cocoons）以及回音壁（echo chamber）的担心，但人们尤其是年轻人，更加愿意使用和相信根据算法生成和推送的内容。

对传媒业而言，大概没有一个时代比今天更强调技术的作用。

各大资讯平台全面发力算法，希望从这个呼啸而至的智媒时代分一杯羹。无论是4月刚获得10亿美元D轮融资的今日头条，还是上线不到两年就跻身资讯应用前三甲的天天快报，亦或一点资讯、网易号、百家号等等各自圈地的新产品们，都无一不强调自己的技术属性和渠道分发优势，算法面前，内容为王的声音似乎小了许多。

在巨头们争相建设生态的博弈中，优质自媒体、专业媒体成为被争夺的对象，但同样也面临着选择：与平台合作，与算法共谋，还是继续顾全“酒香不怕巷子深”的脸面？从实际情况上看，国内国外在这一点上有颇多相似之处，多数内容生产者、生产机构的选择是在新的生态中寻找自己的舒适区，这意味着不得不接受这套生态系统下的丛林法则。

什么是推荐算法？

推荐算法是计算机专业中的一种算法，通过一些数学算法，推测出用户可能喜欢的东西。推荐算法主要分为6种：基于内容推荐、协同过滤推荐、基于规则推荐、基于效用推荐、基于知识推荐和组合推荐，本文选取两种常用的介绍：

1基于内容的推荐算法

原理是与用户喜欢和自己关注过的Item在内容上类似的Item，比如你看了一条关于“成都限购政策出台”的新闻，基于内容的推荐算法发现一条关于“限购后这些新盘价格远低于预期 高新区某盘不到一万”的新闻与你以前观看的新闻在内容上面（共有很多关键词）有很大关联性，就把后者推荐给你。

2协同过滤算法

原理是用户喜欢那些具有相似兴趣的用户喜欢过的新闻，比如你的朋友或你关注的人喜欢体育类的新闻，那么就会推荐给你，这是最简单的基于用户的协同过滤算法（user-based collaboratIve filtering），还有一种是基于Item的协同过滤算法（item-based collaborative filtering），这两种方法都是将用户的所有数据读入到内存中进行运算的，因此成为Memory-based Collaborative Filtering，另一种则是Model-based collaborative filtering，包括Aspect Model，pLSA，LDA，聚类，SVD，Matrix Factorization等，这种方法训练过程比较长，但是训练完成后，推荐过程比较快。

新闻推荐策略

一般做新闻推荐有三种策略：

1基于内容的推荐

也可以叫做基于用户画像的推荐，意思就是根据用户的历史点击记录，总结出用户的喜好，也就是用户画像，计算每个新闻与用户画像的相似度，将相似度最高的新闻推荐给用户；

2协同过滤推荐

就是找到和用户兴趣相似的群体，然后把这个群体喜欢的推荐给这个用户；

3热门推荐

还有另外一种新闻推荐常用的方法就是热门推荐，这个是设置一个时间窗口，统计在过去一段时间所有新闻的点击量，把点击量最大的新闻推荐给用户；

算法推荐型新闻分发平台盛行

我们正处在一个信息大爆炸时代，新闻信息量巨大，传统的新闻媒体已经无法完成全部信息过滤的历史使命，新闻信息过滤的主动权从传统的新闻媒体手中逐渐转移出去，算法推荐型新闻分发平台便应运而生。

信息过滤易权

过去，帮忙过滤信息的权力掌握在新闻媒体手中，媒体以喉舌的身份自居。今天，空前膨胀的信息时代，仅仅依赖媒体来过滤信息已经力不从心，于是，有了两种方式， 一种是把权力让给社交关系，让每个人推荐自己喜欢的新闻内容给朋友，大家都是新闻编辑，同时也消费朋友推荐的新闻内容，另一种是把权力让给算法，让算法来识别人们的喜好，推荐人们可能感兴趣的内容。

新闻信息分发平台

《今日头条》正在用推荐算法技术颠覆我们这个时代的阅读，把阅读的权力让给技术，用技术来识别用户的喜好，并推荐可能感兴趣的内容；

《一点资讯》也是依靠机器算法“精准”分发资讯的平台，是一款为兴趣而生、有机融合搜索和个性化推荐技术的兴趣引擎，基于兴趣为用户提供私人定制的精准资讯；

腾讯《天天快报》也是一款个性阅读、快乐吐槽的新闻阅读产品。产品通过智能计算用户的兴趣，为用户推荐喜欢的内容；

知乎的《读读日报》结合了UCG与算法推荐，也在走推荐算法的路。

新闻推荐算法给新闻媒体带来的负面影响

1新闻媒体概念的瓦解，与受众失联，难以塑造品牌

每一篇新闻通过推荐算法分发然后触达用户，中间开始隔着一个“流量分配者”—新闻信息分发平台，这彻底瓦解了新闻媒体品牌和受众的概念。新闻媒体沦为以单篇文章为单位来思考，不能再通过持续的内容输出塑造新闻媒体品牌，而且只能通过标题党、低俗化内容来让每篇文章找到受众；新闻媒体不再有稳定的受众和坚实的读者预期量，没有了传统新闻媒体的读者培养过程，没有了与稳定读者群体的持续交流和互动，媒体所需要的持续性关注几乎无法得到，与受众几近失联。

2传统新闻生产逻辑的改变

传统的新闻价值观重视社会公众利益，报道具有长远影响的事件并提供见解，主流的新闻操作手法保障了新闻从业者面对政治、军事和社会力量时的独立和从容，而推荐算法从用户个体出发，对于国家和社会整体的关注度不够，这种新闻推送机制是有社会潜在威胁的。所以推荐算法的存在，并没有能够代替媒体的作用，它没有办法像编辑那样，做一些大家可能不喜欢但一定需要让大家看到的内容的使命感。

3沦为为他人做嫁衣

媒体变成了新闻信息分发平台内容工厂的一名“工人”，流量生杀大权、广告收入都握在了信息分发平台的手中。一条新闻报道再怎么火，也只火了新闻信息分发平台，用户不会关心是出自哪个媒体，媒体沦为为新闻分发平台代笔的工具。

新闻推荐算法给新闻媒体带来的积极影响

目前业界对于新闻推荐算法的评价褒贬不一，除了主流的鄙夷态度外，也不得不承认其对于新闻媒体还是有存在的积极意义的，毕竟算法是人发明的，分发平台会大受欢迎也是用户来选择的。

运营工作量降低，更专注于内容

推荐算法可以自动抽取文章特征，也可以找到合适的文章投放，所以新闻媒体可以不用太担心新闻传播渠道和运营问题，因为只要是内容好，信息分发平台都会愿意给流量并匹配精准的用户，但这也要求媒体需要对用户更了解；另外推荐算法鼓励了高点击率，还用广告分成激励了点击率高的新闻内容创作者。