摘要：随着移动互联网的发展,公共传播已成为传播学新的研究范式。互联网技术的发展和公共传播开放性的特点使得数据体量和密度不断增长,为推荐算法在传播实践中的运用提供了基础条件和技术支持。资讯类APP在运用算法推荐过程中能够实现内容的精准推送和有效供给,但也由此带来了内容浅薄单一、用户隐私等方面的诸多问题。
关键词：公共传播，推荐算法，大数据，隐私权
引言
个性化推荐概念的首次出现是在1995年3月的美国人工智能协会上，由卡耐基梅隆大学的 Robert Armstrong等提出了个性化导航系统 Web Watcher。同时，斯坦福大学的Marko balabanovic等也推出了LIRA——一个个性化推荐系统。在Amazon开始在网站上使用推荐系统后，根据 enture Beat的统计，这一举措将该网站的销售额提高了35%。自此之后，个性化推荐的研究开始蓬勃发展，其应用也越来越广泛。在公共传播的时代，互联网技术的发展和公共传播开放性的特点使得数据体量和密度不断增长,为推荐算法在传播实践中的运用提供了基础条件和技术支持，公共传播向大众展现了推荐算法本身的可造性，促使其成为所有人日常生活中不曾缺少的一部分。
本文旨在通过对现实中推荐算法的发展与运作情形的描述，针对其在生活中给我们带来的效益和问题进行探讨，结合当前公共传播形势，对其未来可能会有的发展进行展望。
相关文献的研究现状
（一）公共传播时代下的推荐算法
大数据的到来开启了一个时代的转型, 以往人们对于数据的价值认识是晦涩不明的, 随着数据体量的增加, 数据本身的价值意义才逐渐凸显出来。数据不仅仅是一串生硬抽象的代码, 而且人们还可以从中描绘出人类普遍的行为轨迹, 甚至每个个体的行为习惯。数据体量每隔一段时间会呈现量子级别的数量增长, 数据价值也实现从量变到质变的突破。②这个过程中有两个关键:一是数据体量必须足够大, 大到足以描绘总体;另一个则是技术发展能够对所有结构化和非结构化的大数据进行有效分析与计算, 抽取价值数据。推荐算法正是基于这两个关键点在新闻传播实践中实现了可操作化。
互联网时代的一个典型悖论是, 一方面对于人类社会呈现出信息爆炸的趋势;而另一方面对于个体来说又很难获取有用的信息, 社会总体的信息过剩难以掩盖社会个体成员信息缺乏的事实。正基于此, 信息传播的精准化成为移动互联网时代的传播重点, 即把合适的内容传播给合适的受众。①
当环境发生了变化，人们通过技术革新的成果克服过去环境下产生的思想和行为习惯，以延续和改善生命过程，⑦推荐算法即成为了这一悖论较为有效的解决方案。其特点是把计算机科学引入传播实践中, 根据用户的历史行为描绘用户媒介消费曲线, 挖掘媒介消费特点、习惯和兴趣, 并对用户未来的媒介消费内容进行预测, 进而针对性的向用户推荐信息内容。①
推荐算法可以依据其算法基础的不同被系统地分为如下五个类别：基于内容的推荐算法，基于协同的推荐算法，基于关联原则的推荐算法，基于效用的推荐算法，基于知识的推荐算法。它们凭借用户媒介消费行为的历史数据, 对用户进行参数分析,以不同的计算原则勾勒出用户媒介消费行为的图谱, 然后进行信息内容的精准推送。
传统资讯类APP依据人工编辑, 容易掺杂着编辑个人的主观偏向和观点预设, 把编辑认为重要的资讯放到APP的重要位置, 这一过程不仅需要编辑人员大量的人工阅览和编排, 而且始终无法解决精准推送的问题。而基于推荐算法的资讯类APP依靠的是人工智能技术支持的机器算法, 甚至不需要去阅览资讯的完整信息内容, 只需要把资讯冠以某些关键词, 人工智能会根据这些关键词进行参数分析, 并加上不同标签, 推送给不同用户。编辑人员所要做的只是收集资讯和冠以关键词, 个人偏好几乎无法影响算法推荐的结果, 从而保证算法的客观与科学,达到信息内容与用户的高度匹配和有效供给。
应该说推荐算法的关键在于必须掌握海量用户的媒介消费行为数据, 通过对数据的挖掘与分析, 实现传播实践的工具理性, 体现科学主义和理性至上的原则, 其作为工具理性的价值作用也尤为明显。①
（二）推荐算法在公共传播中的问题
公共传播作为“现代性转型、全球化和互联网革命等多重语境下一种新的传播结构、格局和境况, ”开放性是其主要特点, 这一特性使得数据的收集、处理与管理成为可能, 成为运用推荐算法的必要条件。但同时, 也使得推荐算法在传播实践中产生一些问题。
一是媒体风格的缺失。传统媒体中, 无论是报纸还是电视, 媒体都有独特的风格, 这种风格是媒体在长期的发展过程中受经济、政冶以及文化的影响而形成的, 在很长时间内都保持着一致性。而现有基于推荐算法的资讯类APP更像是资讯大杂烩, 缺乏独特的风格, 容易千人一面。
二是用户关注视野的狭窄。用户对于资讯内容的兴趣和关注点相对来说比较固定, 人工智能会认为用户只关注这些内容。事实上, 从人文主义角度来看, 用户可能还需要关注其它内容, 以补充自身的知识结构, 从而拓展视野, 而推荐算法则会让用户的关注领域更加固化, 造成用户“需要关注的内容”与“推送的内容”之间的偏差, 阻碍了用户视野的拓展。
三是用户数据安全风险。基于推荐算法的资讯类APP为了精准描绘用户的行为图谱, 需要收集大量的用户数据, 包括注册信息、基于GPS的地理位置信息、浏览习惯、转发和点评行为等。个别APP在采用协同过滤的算法过程中, 甚至会窃取用户的使用设备信息、手机通信录、短信内容等, 导致用户行为数据和个人隐私泄露等安全风险增大。同时, 资讯类APP的无序竞争也使得用户无法下载和接收真正需要的资讯内容。①
在传统媒体时代, 我们较少看到公民主动泄露隐私的行为。这基于两个前提:一方面, 传统媒体在相当长的时间内极少报道普通公民私生活情况, 甚至在相当长的时间内社会新闻也极少得到报道。随着社会民主开放程度的扩大, 才在一些纸媒的“情感实录”或电视的“真人秀”类节目开始有这类内容出现。另一方面, 传统媒体存在着“把关人”, 纯私人性质的信息往往在传播之前即被限制, 难获传播机会。新媒体的出现让这两个前提都不再存在。一方面, 公民的私人生活是信息的富矿。从心理学的角度看, 窥私欲是人的一种本能, 而通过新媒体平台获得这种本能的满足也是新媒体平台“吸粉”从而满足经济利益需求的心理学基础。另一方面, 新媒体平台信息发布的低门槛和把关人的缺失让包含私生活内容等信息的分享变得轻而易举。③
如果摈弃技术乌托邦主义转而采取生态主义的整体观,就容易厘清"公共数据开放"与"个人隐私保护"的矛盾。现实中我们应还原开源精神,尊重个人特别是弱势群体的数据存在方式,尽快出台数据隐私权保护政策,制定大数据产业的行业自律条例,树立公众数据开放观念、提高公众大数据技术素养。⑥
（三）推荐算法的未来展望
英国哲学家边沁提出的“全景监狱”理论认为社会和权力对人的监视“从封闭的规训、某种社会的‘隔离区’扩展到一种无限普遍化的‘全景敞视主义’机制的运动。”“完整的数字化记忆代表了一种更为严酷的数字圆形监狱。由于我们所说与所做的许多事情都被存储在数字化记忆中, 并且可以通过存储器进行访问,因此, 我们的言行可能不仅会被我们同时代的人们所评判, 而且还会受到所有未来人的评判。通过数字化记忆, 圆形监狱能够随时随地监视我们。”
在这个互联网高速发展的时代，无论接受与否，人们的生活中总会充斥着大量来自外界的信息，为了尽可能多地接收有益信息，我们研究出了种种算法来帮助筛选，然而这一技术层次的发展却带来了紧接而来的更多问题：我们借助推荐算法达到精准推荐和有效供给的目的，这却也使得最终展现在我们面前的信息逐渐单一化，而信息高效收束的背后也难掩用户信息安全隐患。我们不由得开始思索公共传播中逐渐被快速生活节奏舍弃的人文主义和掩埋在条条款款下的用户权益。
从传统媒体传播到新媒体传播, 从单向 (多向) 传播到网状传播, 从受众到用户……随着“人人都是记者”日渐成为现实, 中国社会已不可避免地进入到公共传播时代。在公共传播时代, 那些曾经具有一定专业壁垒的传播原则、传播法规、传播伦理等需要所有社会成员共同遵守。
惟其如此，我们才可以期待一个更加完善的信息处理与呈现的系统，能够解决“公共数据开放”与“个人隐私保护”的悖论。一方面，我们必须承认工具理性的合理性与其不可避免性，另一方面，也该热情珍视自由、理性和人格尊严。⑤
参考文献
①吴卫华，《算法推荐在公共传播中的理性问题》；《当代传播》，2017年03期。
②[英]维克多·迈尔-舍恩伯格、肯尼斯·库克耶著，盛扬燕等译；《大数据时代》，浙江人民出版社2013年版。
③顾理平，《新媒体传播中的信息分享与隐私权保护》；《贵州省党校学报》，2018年01期。
④胡百精、杨奕：《公共传播研究的基本问题与传播学范式创新》，《国际新闻界》2016年第三期。
⑤王锟，《工具理性和价值理性——理解韦伯的社会学思想》；《甘肃社会科学》，2005年01期。
⑥田新玲，黄芝晓，《“公共数据开放”与“个人隐私保护”的悖论》；《新闻大学》，2014年06期
⑦张林，《制度主义中的凡勃仑-艾尔斯传统：文献综述》；《制度经济学研究》，第三辑