网络新媒体导论学习笔记

下图梳理了喻国明网络新媒体导论第四章网络新媒体技术算法部分的知识内容，包括信息分发模式、好句积累、算法分发的类型、算法即权力、算法在传播全环节的应用、算法的价值观赋予。

算法

• 信息分发模式
  • 1、倚重人工编辑的媒体型分发
    • 优点：解决“头部信息”的社会化分发
    • 缺点：无暇估计人的分众化、个性化、偶然性及高场景度的信息需求
  • 2、依托社交链传播的关系型分发
    • 优点：激活被忽略的“长尾”信息，形成信息服务的“利基市场” 实现信息分发的“千人千面”——“无社交不传播”
    • 缺点：信息超载，推荐质量低
  • 3、基于智能算法对于信息和人匹配的算法型分发
    • 优点：适配“汝之毒药，我之甘饴”的长尾信息； 二次过滤，优化推荐结果
    • 缺点：建立于人直接兴趣和“无需注意”的信息需求的挖掘上，对于我们必须的那些非直接兴趣和需要的“有意注意”所关注的信息的忽略导致信息茧房
• 好句积累
  • 在数据驱动和现实需求拉动的双引擎下，基于大数据与人工智能的推荐算法系统的引入，对传媒领域而言，实质上是一种传统的寡头权利逐步让卫浴技术逻辑主导的用户权力的过程，这一技术逻辑与分发模式不断型塑着传媒业的实践。
• 算法分发的类型
  • 协同过滤推荐
    • 1、基于记忆的协同过滤
      • 利用用户历史数据在整个用户数据库中寻找类似的推荐项目进行推荐
      • 例子：两个用户过去对产品的相思喜好，现在对产品仍有相思喜好
      • 评价
        • 优点：有效挖掘用户的潜在需求，个性化程度高 eg：Netflix、Youtube
        • 缺点：当系统内整个用户历史数据库数据严重稀缺时，会存在冷启动差，推荐精度下降
    • 2、基于模型的协同过滤
      • 通过用户历史数据构造预测模型，再通过模型进行预测并判断
      • 例子：某个用户过去喜欢某种产品，那么该用户现在还喜欢类似产品
      • 评价
        • 优点：提升了预测的准确度
        • 缺点：建模复杂、冷启动差
  • 基于内容的推荐
    • 根据用户历史项目进行文本信息特征抽取、过滤、生成模型，向用户推荐与历史项目内容相似的信息
    • 评价：
      • 优点：解决了协同过滤中数据稀疏和冷启动的问题
      • 缺点：长期指根据用户历史数据推荐信息，过度个性化“信息茧房”
  • 关联规则推荐
    • 基于用户历史数据挖掘用户背后的相关关联，以分析用户的潜在需求
    • 方法
      • 1、根据用户阅读过的感兴趣内容，通过规则推导出用户还没阅读过，可能感兴趣的内容
      • 2、根据规则的支持度，对这些内容排序并展现给用户。
• 算法即权利
  • 算法的社会本质是一种权力
    • “编辑终审权”作为一条不容市场侵犯的红线，而今却在算法分发的大趋势中毁于无形
  • “算法权力”在社会进程中的实践改革
    • 以消费“人口红利”为特征的规模化横向“圈地”的互联网发展的下半场——以大数据、智能化为特征的细分化的纵向“挖掘”的下半场（算法发挥构造流量入口、捕捉用户粘性的关键作用）
      • 低频度需要
      • 高场景需要
      • 体验型需要
  • 好句积累：英国文化研究专家斯科特·拉希“在一个媒体和代码无处不在的社会，权力越来越存在与算法之中”
• 算法在传播全环节的应用
  • 1、新闻线索获取：信息权的弥散化
    • 新闻由原来掌握垄断权力的专业媒体或权力机构逐渐向公众本体转移，在这种传播语境下，协作、平等、交流被放置于高位，逐渐压倒之前以宣传和利润为目的的传播方式，这种民主化及下放式的运作模式，使信息权逐渐弥散至公众。
    • 机器人新闻、传感器新闻
      • 从集中式趋向分布式
        • 分布式新闻生产的参与主体扩展至物体
        • eg：BuzzBot聊天机器人
    • 积累名言
      • 福柯认为现代新范式下的权力是“无处不在”的，它区别于政治学中自上而下的操纵与支配，强调的是权力在世纪运作中的网络结构化和弥散性，个人既是权力的持有者，又是权力的承受者。
  • 2、新闻写作编辑：算法对把关权力的程序化收编
    • 现在“人工模版+自动化数据填充”模式，但从算法迭代的可能性角度，这一路径上权力版图的扩张是必然的。
    • 案例：
      • Mashable开发“Velocity"数据分析平台，可以在极短的时间内判断新闻的传播趋势和可能存在的爆点。
  • 3、新闻事实核查
    • （难以察觉的）非制度性权力建构”社会共识“
    • 非制度化权力关系在政治控制和资本去住的背景下可强化为权威，甚至被制度化的权力收编，成为权势圆心的所推送的新闻会将边缘性的非消费的受众排除在外。
  • 4、新闻分发与推送
    • 案例：
      • Blossomblot《纽约时报》数字部门研发的数据分析机器人，通过对社交平台上推送文章的分析，能够预测在社交平台上传播的信息，帮助社交媒体网络打造爆款。
  • 5、受众接收：平等与分化的悖论——算法以“座驾”的方式实现着对人的自由度的新限定
    • “提线木偶”到有权力感的个体
      • 传统媒体：受众只作为“解码”者存在
      • 算法：受众自我意识觉醒，自我发布
    • 案例：Quartz通过聊天的方式为用户推荐新闻——机器算法执行
• 算法的价值观赋予
  • 以人为本，以影响力为追求，以结构建设为入口，以公共性为底线
  • 1、还复杂性于人：多维内容标签，为“不确定”留有余地
  • 2、还商业模式于影响力经济：流量经济的短期利益与长久危机
  • 3、还监管重点于结构：真正有效传递价值观的是信息结构
    • 案例
      • 英国《卫报》专栏“刺破你的泡泡”指向信息检方的弊端
      • 《华尔街日报》创设了“红推送，蓝推送”将社交媒介上的同类内容的自由倾向、保守倾向并列推送给用户
      • 2018年9月16日，中国科技馆联合抖音“我的科学之yeah”播放量突破18亿，点赞超过5000玩，顶层设计表达价值观
  • 4、还公共价值引导于新闻专业主义：专业人才的内容权力回归