日前，电子科技大学成都研究院大数据室研究人员、成都链科云科技技术合伙人熊文轩，为科技日报记者解答了这些问题。
被算法“套路”的热搜推送
“这不是简单的‘贴标签’，而是组合‘套路’。”熊文轩说，新闻聚合平台、社交平台推送的新闻、信息使用的大数据算法大体分两类：基于内容推荐规则和协同过滤推荐规则。
前者是根据个人行为习惯将浏览的新闻、信息等对象进行特征提取、内容分类后，进行关联内容推送，但其最大弊端是推荐内容单一。“举个简单例子，某天你的手机被女友拿去看了丝袜产品，那么接下来几天你都会被推荐丝袜。”
于是协同过滤规则出现了，这是根据网络用户相互的交叉体验，寻找相同爱好的群体，推荐相同浏览记录或行为。“系统找了一群与你志同道合的‘小伙伴’在背后‘支招’。他们跟你同样关注体育、旅游新闻，但他们同时也阅读了气象新闻，那么算法会将你之前未关注的气象新闻推送给你。”熊文轩说，这可以避免特征分类单一，实现动态推荐，即根据个人兴趣爱好的变化作调整。
“目前，多数聚合类新闻平台都会采取融合式算法，即将上述多种算法综合运用或开发出一些更复杂的算法，但原理大致类似。”熊文轩说。
没有浏览记录的“萌新”能否逃出“套路”？他说，注册时平台会推荐标签性分类，如
电影、美食等引导用户第一波使用，随后用户开始筛选、点击、留存，这便实现了数据“冷启动”。“冷启动后数据产生，系统便按预设的算法进行推荐。”他说，一些基于新闻学、传播学特点的“规则设定”也会推波助澜，如内容置顶、套红、延伸阅读链接等。
基于人工智能形成的内容“漩涡”
“在趋于碎片化阅读的当前，读者自我诉求不明确、随机性强，容易被后台系统引导。”熊文轩说，一些聚合类平台、社交媒体负责内容推荐的是基于算法的人工智能，而非编辑人员，这更容易形成内容“漩涡”：系统按规则推荐热点话题，读者点击率、阅读量不断提升，系统再次循环推荐，越来越多的读者卷入其中。“其实你仔细看会发现，某热点话题的阅读内容可能翻来覆去就是那么几十条。”
这种基于算法的人工智能内容推荐可控吗？熊文轩表示肯定。他说，用户被海量重复信息“包围”，源于内容把控没有人为过滤。“算法逻辑不会产生特别精准的推荐，而是大体方向或尝试性推荐，这就需要大量内容填充，而无法对内容进行强制管理。”他说，可以尝试用“算法初选+人工引导”的方式，避免被同类内容、低俗内容不断刷屏。
从内容来源进行控制，也是熊文轩团队正尝试的工作之一。他所在的企业能够实现让科技政策、双创信息通过“大数据+人工智能”的方式“主动”找到企业更有效地发挥作用。“在内容源头，我们会选取政府网站、主流媒体等专业平台，这样内容推送范围是限定的，可以有准确性、真实性、客观性。”他说。
最后，通过算法自身规则设定也能够实现内容管控。他说，最简单的方式就是设定不同内容的权重值，如将娱乐新闻类权重设定为0.5、社会新闻类设为1.5，那么同样由人工智能从网络中爬取的100条内容中，娱乐类就会仅推送50条，社会类就会推送150条，从侧面引导读者关注热点。“内容推荐算法的根本是分类和筛选，最终目的是帮助读者在海量的信息中，精准找到需要关注的内容，而不是被淹没其中。”熊文轩说。
