算法驱动的资讯类平台为什么让人讨厌？
在王者荣耀之后，今日头条也遭到了人民日报的点名。批评的重点是以今日头条为代表的算法推荐资讯类平台，存在价值观缺失、制造信息茧房、竞争手段无底线的“三宗罪”。
总的来说，人民日报提出的这些问题还是非常客观的。此前也有不少新闻业内人士反映过，低俗的信息会刺激人性中的阴暗面，吸引点击量，在推荐算法的加持下，不知不觉我们的信息流上就全是婆婆小三、艳情野史。而得出的结论却是，不是资讯平台低俗，而是算法觉得你低俗。
这种情况被称为“多数人的暴政”。
这样的现象不仅仅出现在中国，此前Facebook也深受各种惊悚标题党的困扰。不过外国人的脑回路是很清奇的，Facebook推出了一项用户决策机制，如果读过之后感觉内容和标题严重不符，可以将其标注为假新闻，这样就会降低这条消息的推荐权重。
尴尬的是，很多用户会依照个人喜好随意标注，甚至会因政治倾向对某一派别的新闻进行恶意标注。最后Facebook不得已还是采用了算法进行判断——用机器学习对以往的标题党标题进行总结，对相似标题的文章进行降权。就是“喂给”算法一批诸如“震惊了！”、“真相是这样！删前速看！”的标题，算法学会后，就会对类似标题的文章进行降权。
完全依赖用户抉择，平台会被视作没有责任感、不作为；可如果平台参与决策，又很可能破坏“算法推荐”这一原有的特色。这样的矛盾，不管是Facebook还是今日头条都正在经历，但对于国内用户来说，不适感来得要更强烈一些。
在App冷启动时，用户都会选择好自己的兴趣标签。可打开信息流，还是会有一些低俗夸张的内容出现，甚至在选择了“不感兴趣”后，划过几屏类似的信息还是会出现。要不就像新闻中说的那样，随手点开了一条低俗信息，立刻有大量类似的信息涌入。
虽然几乎没有公开谈过其推荐算法都取决于哪些权值，但我们可以从目前主流的推荐算法中看看，今日头条们可能错在了哪里。
在推荐算法中，最常见的就是协同过滤算法。资讯类产品常常会使用基于用户的协同过滤算法，即利用K邻近算法，找到和你兴趣相近的用户，并把对方的喜好推荐给你。比如A、B两个用户都对时政、军事类的资讯感兴趣，而A用户也对历史类资讯感兴趣，那么系统就会给B用户推荐历史类资讯。
这种基于用户行为的推荐机制，在豆瓣一类更个性化的、社交属性更强的平台上更为精准。可今日头条这类资讯平台中，用户群体更加繁杂，用户行为往往也都是无目的性的——。
这无疑给协同过滤算法的精确度带来很大挑战，用户本身的属性就是模糊的，如果你的信息流中不断出现一些你不感兴趣的东西，很有可能是平台利用了这种算法，为你推荐了相似用户的喜好。
不过资讯类平台利用最多的还是基于内容的推荐算法。
还是以电影为例，一部电影可以细分出影片类型、年代、演员、导演等等多种元素。用户标注了某一部电影，算法就会为他推荐同一导演的作品。这样的推荐模式大多被适用于识别结构化数据——算法并不知道文章、影片中到底说了什么，只能根据结构化数据标注判断。
这其中最大的问题，就是关键词机制的不准确。我曾经在某平台上标注了兴趣“宠物”，本意是希望看到一些可爱的猫猫狗狗，然而某一天该平台居然给我推荐了一段斗狗视频，视频下面居然也有宠物的标注。
资讯类平台中的内容越来越丰富，短消息、图文、问答都有。而关键词标注只能对内容进行浮于表面的理解，而内容中暗含的情绪往往会冒犯到用户。而在流量的诱惑下，很多创作者会更倾向于生产具有刺激性情绪的内容。
我们想知道的是，除了加强平台对低俗内容的监管，是否还能从技术方面解决当前的问题。
其实相关的研究结果已经很多，比如谷歌推出的云端自然语言分类功能，可以通过语言分析情绪。据称这项功能在分析了报纸的某一版面后，自动将其中一篇菜谱归入了美食栏目，还添加了具体的标签。而且谷歌云的自然语言API还可以识别情绪，了解文章内容是积极的还是消极的。
更详细的分类和情绪识别，可以很好的解决上文提到的关键词机制不精准问题。而人民日报在文章中提到的，用户兴趣变化的问题在业内也有过相关讨论。
其实不管是谷歌的云端自然语言分类这种高成本的解决方式，还是调整原有算法这种更简单易行的方式，
推荐算法是一种历史悠久的技术，发展到今天，电商、广告的推荐越来越精准，资讯的推荐算法却惹得天怒人怨，要是把锅甩到算法上，恐怕有些不公。
有人说算法呈现出的结果是人性本质的体现，可从当下看来，算法呈现出的更多是平台、内容创作者这些利益既得者的人性。作为一个天天研究算法的普通内容消费者，我倒是觉得，越了解算法，就越不懂人性。
正文到此结束
热门推荐
相关文章
近期评论
-
你这基本没有更新呀，最近文章显示还是2019年的文章。不符合要求哈
-
关键词：慕云博客 链接：https://www.lilun.me 描述：分享原创文字的个人博客
-
-
-
可以提供一下源码吗
-
不是商业站，鸡娃学习笔记
-
-
-
-
听他们说很厉害的样子
Loading...
![[HBLOG]公众号](http://www.liuhaihua.cn/img/qrcode_gzh.jpg)
