發(fā)布時間：2021-02-02 21:56

　　隨著互聯(lián)網(wǎng)技術(shù)的迅速發(fā)展,算法推薦機制改變了資訊類算法媒體的內(nèi)容生產(chǎn)、審核、分發(fā)等環(huán)節(jié),對用戶和內(nèi)容產(chǎn)生了較大的影響。但是在實現(xiàn)用戶與內(nèi)容精準(zhǔn)匹配的同時也產(chǎn)生了用戶繭房,平臺一味追求流量導(dǎo)致內(nèi)容質(zhì)量不高等現(xiàn)象。在算法推薦機制下,媒體用戶和內(nèi)容的關(guān)系是什么?用戶與內(nèi)容之間又是如何彼此響應(yīng)的?本質(zhì)是什么?歸因有哪些?如何治理?這些都是值得深究的問題。然而到目前為止,尚未有有關(guān)對資訊類算法媒體在這方面的學(xué)術(shù)研究。趣頭條作為下沉市場資訊類算法媒體的典型代表,也利用算法推薦機制實現(xiàn)了用戶與內(nèi)容的匹配,有獨立開展技術(shù)研發(fā)的能力且具有收集用戶數(shù)據(jù)的平臺。因此本文以趣頭條為例,分析算法推薦機制下用戶和內(nèi)容的響應(yīng)關(guān)系。第一部分研究了算法媒體的技術(shù)語境,并建立了算法推薦機制框架,明確了數(shù)據(jù)是算法推薦機制的核心,算法推薦機制的本質(zhì)是實現(xiàn)用戶和內(nèi)容的相互匹配。第二部分以趣頭條為分析樣本設(shè)計了針對用戶的調(diào)查問卷,并對內(nèi)容進(jìn)行樣本抽樣,以分析算法推薦機制下用戶和內(nèi)容的響應(yīng)關(guān)系。首先,從內(nèi)容來源、內(nèi)容種類、內(nèi)容結(jié)構(gòu)、內(nèi)容情感向度和內(nèi)容反饋五個維度構(gòu)建了趣頭條內(nèi)容分析類目,對內(nèi)容樣本進(jìn)行了周詳?shù)牧炕治�。其�?從用戶... 

【文章來源】：上海師范大學(xué)上海市

【文章頁數(shù)】：78 頁

【學(xué)位級別】：碩士

【部分圖文】：

趣頭條的算法推薦機制框架示意圖

上海師范大學(xué)碩士學(xué)位論文第一章算法媒體的技術(shù)語境11感興趣的類別或主題，感興趣的關(guān)鍵詞，感興趣的來源，基于用戶興趣的用戶聚類以及各種垂直興趣特征。身份特征通常有性別、年齡和常住地址。行為特征，理解為用戶使用App的習(xí)慣和特定的場域，如晚上刷新聞，地鐵上快速瀏覽等等。用戶標(biāo)簽下的數(shù)據(jù)處理方式有兩種，一種是建立批量計算框架，如圖1-2所示。抽取昨天使用過頭條的用戶，追蹤用戶過去兩個月的數(shù)據(jù)，導(dǎo)入集群中運用算法進(jìn)行批量計算。這種數(shù)據(jù)處理方法由于計算量過大，導(dǎo)致計算機的工作強度和難度增大，用戶標(biāo)簽更新不理想。圖1-2今日頭條用戶標(biāo)簽批量計算框架另一種是建立流式計算框架，如圖1-3所示。通過實時處理用戶數(shù)據(jù)，每收集一定量用戶的數(shù)據(jù)后不斷更新用戶興趣模型。流式計算模型比批量計算模型運用的范圍更廣，效率更高，是解決大部分用戶數(shù)據(jù)完成跟蹤推送的算法。圖1-3今日頭條用戶標(biāo)簽流式計算框架（二）內(nèi)容數(shù)據(jù)1、內(nèi)容屬性數(shù)據(jù)的界定內(nèi)容數(shù)據(jù)指標(biāo)的物自身包含的特征和屬性。例如，視頻數(shù)據(jù)標(biāo)簽包括出品方、導(dǎo)演、演職員、主演、國別、年代、語言、是否獲獎、劇情、海報圖等等元數(shù)據(jù)。對于趣頭條而言，以一篇文本為例，文本中包括作者、文章類型、主題、標(biāo)題、是否原創(chuàng)、時間、字?jǐn)?shù)、語言風(fēng)格、插圖等元數(shù)據(jù)。文章自身的特征和屬性通過顯性因素表示。文章標(biāo)題、作者、時間、是否原創(chuàng)、插圖等都是最直接的表達(dá)。文章類型和語言風(fēng)格是人工判斷或機器判斷的隱

上海師范大學(xué)碩士學(xué)位論文第一章算法媒體的技術(shù)語境11感興趣的類別或主題，感興趣的關(guān)鍵詞，感興趣的來源，基于用戶興趣的用戶聚類以及各種垂直興趣特征。身份特征通常有性別、年齡和常住地址。行為特征，理解為用戶使用App的習(xí)慣和特定的場域，如晚上刷新聞，地鐵上快速瀏覽等等。用戶標(biāo)簽下的數(shù)據(jù)處理方式有兩種，一種是建立批量計算框架，如圖1-2所示。抽取昨天使用過頭條的用戶，追蹤用戶過去兩個月的數(shù)據(jù)，導(dǎo)入集群中運用算法進(jìn)行批量計算。這種數(shù)據(jù)處理方法由于計算量過大，導(dǎo)致計算機的工作強度和難度增大，用戶標(biāo)簽更新不理想。圖1-2今日頭條用戶標(biāo)簽批量計算框架另一種是建立流式計算框架，如圖1-3所示。通過實時處理用戶數(shù)據(jù)，每收集一定量用戶的數(shù)據(jù)后不斷更新用戶興趣模型。流式計算模型比批量計算模型運用的范圍更廣，效率更高，是解決大部分用戶數(shù)據(jù)完成跟蹤推送的算法。圖1-3今日頭條用戶標(biāo)簽流式計算框架（二）內(nèi)容數(shù)據(jù)1、內(nèi)容屬性數(shù)據(jù)的界定內(nèi)容數(shù)據(jù)指標(biāo)的物自身包含的特征和屬性。例如，視頻數(shù)據(jù)標(biāo)簽包括出品方、導(dǎo)演、演職員、主演、國別、年代、語言、是否獲獎、劇情、海報圖等等元數(shù)據(jù)。對于趣頭條而言，以一篇文本為例，文本中包括作者、文章類型、主題、標(biāo)題、是否原創(chuàng)、時間、字?jǐn)?shù)、語言風(fēng)格、插圖等元數(shù)據(jù)。文章自身的特征和屬性通過顯性因素表示。文章標(biāo)題、作者、時間、是否原創(chuàng)、插圖等都是最直接的表達(dá)。文章類型和語言風(fēng)格是人工判斷或機器判斷的隱

【參考文獻(xiàn)】：
期刊論文
[1]破解“算法傳播”形成“信息繭房”的對策與路徑[J]. 王克.  中國地市報人. 2020(05)
[2]新聞聚合平臺的算法規(guī)制與隱私保護(hù)[J]. 張文祥,楊林.  現(xiàn)代傳播(中國傳媒大學(xué)學(xué)報). 2020(04)
[3]用戶媒介素養(yǎng)優(yōu)化研究[J]. 黃紅梅,李佳寧,張澤梅.  圖書館學(xué)研究. 2020(05)
[4]媒體傳播中智能算法的社會風(fēng)險與治理策略研究[J]. 高志華,馮甜甜.  新聞研究導(dǎo)刊. 2020(01)
[5]基于word2vec和CNN的短文本聚類研究[J]. 楊俊峰,尹光花.  信息與電腦(理論版). 2019(24)
[6]基于內(nèi)容和協(xié)同過濾的科技文獻(xiàn)個性化推薦[J]. 楊凱,王利,周志平,趙衛(wèi)東.  信息技術(shù). 2019(12)
[7]智能型算法分發(fā)的價值迭代：“邊界調(diào)適”與合法性的提升——以“今日頭條”的四次升級迭代為例[J]. 喻國明,杜楠楠.  新聞記者. 2019(11)
[8]警惕和防止新聞傳播研究的同質(zhì)化[J]. 邵培仁.  現(xiàn)代視聽. 2019(10)
[9]隱藏的價值觀:平臺媒體算法的倫理考量和權(quán)力關(guān)系[J]. 段鵬,李嘉琪.  江西師范大學(xué)學(xué)報(哲學(xué)社會科學(xué)版). 2019(05)
[10]社會化推薦系統(tǒng)綜述[J]. 張岐山,翁麗娟.  計算機工程與應(yīng)用. 2020(01)

碩士論文
[1]農(nóng)村信息化視角下的手機應(yīng)用體驗設(shè)計研究[D]. 李志宇.北方工業(yè)大學(xué) 2018



本文編號：3015431