03 facebook點擊率怎么計算(外貿網站建好后，怎么進行海外推廣呢？)

些情況下，職業倫理與技術倫理之間并沒有很明確的界別，關于這一點，劉則淵跟王國豫已做過論述。

本文將主要從技術倫理的角度對算法關涉倫理這一問題嘗試做深入研究。

（二）網絡新聞傳播的算法倫理研究

算法與技術的融合不斷英語于網絡新聞傳播領域中，從數據新聞到機器寫作，從算法推送到輿情到分析，國內新聞傳媒領域的機器新聞和相關研究逐漸發展，金兼斌在《機器新聞寫作:一場正在發生的革命》(2014)，作者較早的將眼光聚焦于基于算法的新聞內容生產和編輯。認為在自動化新聞生產大發展的前提下，諸如新聞生產或分發中勞動密集型的基礎性工作與環節都將被技術取代。張超、鐘新在《從比特到人工智能:數字新聞生產的算法轉向》(2017) 認為算法正在從比特形式走向人工智能階段，這種轉向使得數字新聞與傳統新聞的邊界進一步明晰，促使數字新聞生產也產生了變革。胡萬鵬在《智能算法推薦的倫理風險及防范策略》中總結了從算法推送方面：針對新聞的價值觀所受到的負面影響；以及新聞的公共性、客觀性和真實性受到的削弱進行分析；從受眾方面：將具體對信息繭房現象以及受眾的知情權和被遺忘權展開探討；從社會影響方面,則針對社會群體、社會公共領域和社會文化所受到的消極影響展開論述。

根據以上文獻的梳理可以看出，國內目前對網絡新聞傳播的算法倫理研究主要集中在新聞業態算法倫理失范的相關問題，因為與其他失范問題相比，這是比較容易發現的。但目前關于網絡新聞傳播的算法倫理的國內研究還存在不足：國內算法倫理和網絡新聞傳播算法倫理的研究還是在起步階段，比較成熟的系統性研究還未出現；關于算法開發人員和平臺的責任機制的研究都比較薄弱，總上所述，算法推送新聞的倫理問題研究是有必要繼續加強的。

2.新聞推薦算法的興起、發展與原理

2.1 新聞推薦算法的興起

隨著計算機技術的信息處理的維度越來越高，信息處理的能力不斷提升，算法技術可以從大數據中篩選出用戶最關心最感興趣的信息，改變了原有的新聞信息傳播方式，重塑了新的媒介生態和傳播格局。

但反過來看，在人人都能生產信息的背景下，信息的生產、傳播和反饋的速度都是呈幾何倍數增長，用戶面對的信息越來越多。由于設備的局限性和信息海量，用戶無法集中注意力看自己感興趣的內容，也無法及時抓取對自己有用的信息，于是出現了“注意力經濟”。美國經濟學家邁克爾·戈德海伯（1997）認為，當今社會是一個信息極大豐富甚至泛濫的社會，而互聯網的出現，加快了這一進程，信息非但不是稀缺資源，相反是過剩的。相對于過剩的信息，只有一種資源是稀缺的，那就是人們的注意力。換句話說，信息不能夠一味追求量，還要有價值，價值就在于用戶對信息的注意力，誰獲得了用戶的注意力就可以有市場的發展空間，通過“販賣”用戶的注意力能夠使新媒體聚合平臺獲得利潤，維持發展。再加上現在生活節奏越來越快，人們對信息獲取的量和效率要求提高，不想把時間浪費在自己不感興趣的信息，從而用戶獲取信息的“個性化”特征變得明顯起來。

基于此背景下，算法推送新聞的傳播機制應運而生，用戶不需要特意搜索自己需要的信息，而是海量的信息會自行“找到”用戶，為用戶節省搜索時間之余，又能做到真正為用戶提供有用的信息。

2.2新聞推薦算法的發展現狀

算法推薦是依據用戶數據為用戶推薦特定領域的信息，根據受眾使用反饋不斷修正并完善推薦方案。目前主要有兩類新聞機構使用算法推送，其一是新型的互聯網新聞聚合類平臺，國內主要是以今日頭條和一點資訊等算法類平臺為代表，在我國新聞客戶端市場上擁有極高的占有率。張一鳴創建今日頭條是依靠大數據和算法為用戶推薦信息，提供連接人與信息的服務，算法會以關鍵詞等元素判斷用戶的興趣愛好，從全網抓取內容實現個性化推薦。國外則是以Facebook、Instagram等平臺為代表，這些APP都是通過算法挖掘用戶的數據，以用戶個性化需求為導向對用戶進行新聞推送。另一種則是專業新聞生產的傳統媒體，為積極應對新聞市場的競爭和提高技術水平而轉型到新聞全媒體平臺，如國內的“人民日報”等，國外利用算法推送向用戶推送新聞的傳統媒體則有美國的美聯社、華盛頓郵報和英國的BBC等,他們利用算法監督受眾的數量還有閱讀行為，使他們的新聞報道能夠更加受受眾的喜歡，增加用戶的粘性。

2.2 新聞推薦算法的原理

2.2.1 新聞推薦算法的基本要素

算法推送有三個基本要素，分別是用戶、內容和算法。用戶是算法推送系統的服務對象，對用戶的理解和認知越是透徹，內容分法的準確性和有效性就越準確。內容是算法推送系統的基本生產資料，對多種形式內通的分析、組織、儲存和分發都需要科學的手段與方法。算法是算法推送技術上的支持，也是最核心的。系統中大量用戶與海量的信息是無法自行匹配的，需要推送算法把用戶和內容連接起來，在用戶和內容之間發揮橋梁作用，高效把合適的內容推薦給合適的用戶。

2.2.2 新聞推薦算法的基本原理

算法推送的出現需要具備兩個條件：足夠的信息源和精確的算法框架。其中，算法的內容生產源與信息分發最終效果密切相關：是否有足夠多的信息可供抓取與信息是否有足夠的品質令用戶滿意都將對信息的傳播效果產生影響。與此同時，分發環節也在向前追溯，改變著整個傳播的生態。目前，國內新聞傳播領域所使用的算法推送主要有三大類——協同過濾推送、基于內容推送和關聯規則推送。

協同過濾推送分為基于用戶的協同過濾和基于模型的協同過濾。前者主要考慮的是用戶和用戶之間的相似度，只要找出相似用戶喜歡的新聞文章類別，并預測目標用戶對該文章的喜歡程度，就可以將其他文章推薦給用戶；后者和前者是類似的，區別在此時轉向找到文章和文章之間的相似度，只有找到了目標用戶對某類文章的喜愛程度，那么我們就可以對相似度高的類似文章進行預測，將喜愛程度相當的相似文章推薦給用戶。因此，前者利用用戶歷史數據在整個用戶數據庫中尋找相似的推送文章進行推薦，后者通過用戶歷史數據構造預測模型，再通過模型進行預測并推送。

基于內容的推送即根據用戶歷史進行文本信息特征抽取、過濾，生成模型，向用戶推薦與歷史項目內容相似的信息。它的優點之一就是解決了協同過濾中數據稀少時無法準確判斷分發的問題。但如果長期只根據用戶歷史數據推薦信息，會造成過度個性化，容易形成“信息繭房”。

關聯規則推送就是基于用戶歷史數據挖掘用戶數據背后的關聯，以分析用戶的潛在需求，向用戶推薦其可能感興趣的信息。基于該算法的信息推薦流程主要分為兩個步驟，第一步是根據當前用戶閱讀過的感興趣的內容，通過規則推導出用戶還沒有閱讀過的可能感興趣的內容；第二是根據規則的重要程度，對內容排序并展現給用戶。關聯規則推送的效果依賴規則的數量和質量，但隨著規則數量的增多，對系統的要求也會提高。

2.2.3 算法推送的實現流程

在信息過載的時代，同一個新聞選題有很多同質化的報道，因此分發前需要對新聞內容進行消重，消重后的新聞內容便等待推送，此時的推送有三個類別：啟動推送、擴大推送和限制推送。

3. “今日頭條”新聞推薦算法分析

“今日頭條”是國內一款資訊類的媒體聚合平臺，每天有超過1.2億人使用。從“你關心的，才是頭條！”到如今的“信息創造價值！”，產品slogan的變化也意味著今日頭條正逐漸擺脫以往單一、粗暴的流量思維，而開始注重人與信息的連接，在促進信息高效、精準傳播的同時注重正確的價值引導。

在2018年初，“今日頭條”的資深算法架構師曹歡歡博士在一場分享交流會上公開了其算法運行原理。在他的敘述中，非常詳細地介紹了“今日頭條”的算法推薦系統概述以及算法推薦系統的操作原理。

3.1.1-1 曹歡歡博士的今日頭條算法建模

上圖用數學形式化的方法去描述“今日頭條”的算法推送，實際上就是一個能夠得出用戶對內容滿意程度的函數：即y為用戶對內容的滿意度，Xi,Xc,Xu分別是今日頭條公開的算法推送的三個維度：Xi是用戶，包括用戶的性別、年齡、職業和興趣標簽，還有其他算法模型刻畫的隱形用戶偏好等；Xc是環境，這也是移動互聯網時代新聞推送的特點，由于用戶隨時隨地在不停移動，移動終端也在移動，用戶在不同的工作場合、旅行等場景信息推送偏好也會不同；Xu是內容，今日頭條本身就是信息聚合類平臺，平臺上涵蓋各種不同形式的內容。本章將以該函數為基礎，逐一分析今日頭條的推薦算法。

3.1 推薦維度之一：內容分析

內容分析原指第二次世界大戰期間，傳播學家拉斯韋爾等研究學家組織了“戰士通訊研究”的工作，以德國公開出版的戰時報紙為分析研究對象，弄清報紙內容本質性的事實和趨勢，揭示隱含的隱性情報內容，獲取了許多軍情機密情報并且對事態發展作出情報預測。在“今日頭條”中，內容分析則是對文章、視頻內容提取關鍵要素，通過對文本、視頻標題關鍵字進行語義識別，給內容進行分類。“今日頭條”的推送系統是典型的層次化文本分類算法，來幫助每篇新聞找到合適的分類，比如：第一大分類是政治、科技、財經、娛樂、體育等，體育類可以下分籃球、足球、網球等，足球又可以下分中國足球和國際足球，中國足球最后下分為甲、中超、國家隊等。這一步是對文章進行對這個工作主要目的是對文章進行分類，方便以后對客戶推薦。

想要內容分析實現效果，則需要海量的內容信息給算法系統提供有效的篩選和分類。“今日頭條”既然是依賴于算法推送新聞，那它背后的數據庫必然是強大的，“網頁蜘蛛”和“頭條號”就是支撐今日頭條平臺消息來源的重要渠道，其消息來源極其豐富，何時何地有何新鮮事，都能高效率抓取信息。

第一個消息來源的渠道是“網頁蜘蛛”，“網頁蜘蛛”又叫網頁爬蟲，頭條使用的就是搜索引擎爬蟲叫“Bytespider”。它能按照一定的規則，自動爬行抓取互聯網的信息或腳本，就像蜘蛛通過蛛網進行捕食，當發現新的信息資源，蜘蛛會立刻出動抓取信息內容并將其收入自己的數據庫中。和買粉絲的垂直搜索不同，Bytespider是能夠抓取全網內容的全新搜索引擎，因此“今日頭條”的搜索引擎功能很全面，搜索的資源很廣，資源包容性極高。

Bytespider信息抓取的基本流程如下：首先是網頁抓取。Bytespider順著網頁中的超鏈接，從這個網站爬到另一個網站，通過超鏈接分析連續訪問抓取更多網頁。被抓取的網頁被稱之為網頁快照。由于互聯網中超鏈接的應用很普遍，理論上，從一定范圍的網頁出發，就能搜集到絕大多數的網頁。第二步是處理網頁。搜索引擎抓到網頁后，還要做大量的預處理工作，才能提供檢索服務。其中，最重要的就是提取關鍵詞，建立索引庫和索引。其他還包括消除重復網頁、判斷網頁類型、分析超鏈接、計算網頁的重要度、豐富度等。第三步提供檢索服務。用戶輸入關鍵詞進行檢索，搜索引擎從索引數據庫中找到匹配該關鍵詞的網頁，為了用戶便于判斷，除了網頁標題和URL外，還會提供一段來自網頁的摘要以及其他信息。

3.2 推薦維度之二：用戶分析

用戶分析通過提取用戶的有效數據，如用戶經常瀏覽的文字類型、經常搜索的關鍵字、注冊時登記信息的內容等，算法系統可以將每個用戶的瀏覽記錄、瀏覽時間、留言、評論和轉發等行為進行關鍵字提取，最終形成用戶畫像，以便之后對用戶進行文章和視頻的精準推送。舉個例子，給喜歡閱讀“體育”的用戶標上“體育”標簽；給喜歡“娛樂”的用戶標上“娛樂”的標簽，這一步的作用是給用戶的興趣進行建模，包括用戶對文章和視頻的全局熱度、分類熱度，主題熱度，以及關鍵詞熱度等。熱度信息在大的推薦系統能夠解決新聞冷啟動問題，幫助新聞實現推送。

用戶分析還具有協同特征，它可以

很赞哦!（96）