大数据背景下新闻推荐系统中的问题以及解决对策

刘天啸

1 背景介绍

随着科学技术的发展，大数据时代的到来，人工智能、机器学习也逐渐运用在生活的各个方面，给人们的生活也带来各种各样的便利。比如各大电商平台上的推荐系统，会根据之前的浏览记录，给我们推荐很多相关的内容，方便我们做比对；我们日常访问的社交软件微博、新闻客户端，B站上的推荐系统等。这些推荐系统就就是以大数据为依托，给用户推荐符合个人偏好的内容。但是个性化推荐系统也存在很多的问题，本文主要以新闻推荐系统为例，分析在大数据背景下新闻推荐系统中存在的问题，以及给出相应的解决策略。

2 新闻推荐系统中的问题

2.1 版权纠纷

首先，个性化新闻推荐系统，在进行信息处理时，只是将原有媒体页面进行优化，更改媒体来源，改变网站的原有设计，其在推送时并没有将原有网页进行完全呈现；其次，个性化新闻推荐系统在推荐系统设计中也缺乏相关的知识产权保护意识，其系统的设计理念，使用的相关算法中，也无法体现出对原有媒体的创作权的保护。

2.2 机器代替人工，造成把关缺位

1）人的主观选择性缺位，导致平台上充斥大量的低质内容。机器人在进行内容筛选时，主要是针对新闻信息的特点对新闻进行分类，但是对于新闻内容的好坏，以及内容所显示的价值观导向无法像人那样，做到良好的审核筛选。因此很容易传播一些低质量的新闻信息。一旦平台充斥着大量低质内容，这会对用户产生不良的引导，也非常不利于大众的健康成长。

2）算法推荐导致新闻价值丧失。个性化新闻推荐系统，但是也是新闻传播的一种媒介，作为新闻，其需要有时效性、接近性、显著性、重要性、人情味这五个特点，同时，任何媒体也有与生俱来的公共性的特点。但是个性化推荐系统，在利用数据挖掘，算法分析对新闻进行整合分发时，在决定给不同用户推动何种内容时，参考的是用户个人的后台使用数据，是机器所做的枯燥的，冷冰冰的计算，这样分发的数字化新闻，很难与新闻的五要素结合在一起。

2.3 平台信息繁杂，内容可能处理不当

1）更新频繁，新闻碎片化阅读严重。个性化推荐系统，会根据用户的使用特征，例如用户的评论、转发、点赞、停留时长等，以及用户的使用场景，例如火车站、咖啡厅、书店、商场等等，以及也会结合用户当时所在的地点进行不同的推荐，但是这就会使得平台的信息更新频繁，用户在不连续的时间打开新闻会看到不一样的内容，上次阅读的内容还没有看完就被刷新掉了，这就导致用户新闻碎片化阅读严重。同时，个性化推荐系统一直在推荐用户感兴趣的内容，导致用户的碎片化时间都被填满了，使其原有的计划容易被打破，并且用户在浏览这些信息的时候，会感觉时间飞逝，这些都不利于用户有效的管理自己的时间。

2）标题党泛滥。对于内容繁杂的新闻客户端，新闻内容的整理成为了他们一个难题，借助机器的辅助，他们能很快的根据题目将新闻内容进行分类，因此也产生了众多的标题党，“挂羊头卖狗肉”，或者通过趁热点来博得关注，题文完全不相关的现象屡见不鲜。这种只求流量不求质量的新闻内容，会难以提高用户的忠诚度，不利于企业的长期发展。

3）重复相似内容，用户注意力分散。个性化推荐系统基于“新闻内容 + 数据化精确制导”的方式给用户提供符合个人喜好的信息。但是在实际的应用中，系统推荐的新闻信息与用户的偏好并不能完全吻合，主要原因在于，在新闻客户端上，新闻内容的分类并不非常明确，同一条新闻内容可能隶属于不同的类别，这就会给用户推荐基本相似的信息，分散用户的注意力；同时，同质化内容严重，反而使用户更加“孤陋寡闻”，难以改善阅读状况。

4）内容多为直接转载，内容不深刻。个性化新闻推荐平台上的新闻内容多为直接转载，没有进行二次加工就直接呈现给用了用户。这种信息传播的方式对于单独的新闻来说，不影响新闻的全面性展现。但是对于一些比较重大的新闻报道，例如政治性的大事件，或者专业性比较强的新闻事件等，如果不发挥人的主观能动性的作用，就会缺乏对事件的全局把握，使得新闻传播失去推理过程和逻辑结构。如果没有专门对此话题进行有逻辑性的专题性报道，不利于用户全面地了解事件的全貌，新闻内容也就失去了深刻性。

2.4 个性化信息推送，造成信息单一化

1）信息窄化，阻碍个人认知。个性化推荐系统下，用户主动选择自己感兴趣的内容，将自己禁锢在自己构建的信息系统中，不断接受类似的信息，这样容易使个人信息接触面逐渐窄化，失去了解不同事物的机会和能力，阻碍个人客观全面的了解世界；同时眼光永远局限于自己感兴趣的东西，以为自己接受的东西是正确的，无误的，最新的，这样长时间的盲目的认知对个人的发展非常不利，当然也不利于社会的全面进步。

2）社会凝聚力丧失，不利于社会快速发展。个性化推荐系统下，精准化的推送使得每个人处于自己的信息格子中，使得用户主要关注自己感兴趣的以及满足其个人需求的信息，而对时政新闻、文化教育等严肃性的公共信息敏感程度降低，不利于社会凝聚力的形成，这就使得在发生重大公共事件时，不利于新政策出台和公共事件的良好解决。

3）助推网络群体极化。在新闻用户端上，虽然用户们在能够根据自己喜好相对独立地接受信息，但是公开的新闻信息是可以由不同用户评论转发分享或者收藏，这些功能架起了不同用户之间沟通的桥梁，同种态度倾向的个体容易产生共鸣，形成一个个网络群体。这些单独的个体聚集起来的网络群体能够产生强大的爆发力。面对公众事件时，群体可能会产生更偏激的行为，再加上网络的匿名信，以及网民的不理智性，这种群体极化现象会越来越严重。

2.5 个人隐私容易泄露

在现在大数据背景下，用户在享受新闻定制服务的时候，有形的信息注册、无形的网页的浏览记录等行为，背后都有庞大的数据信息，而这些数据信息一旦泄露被不法分子利用，对个人乃至社会都可能是一场大的灾难。

3 新闻推荐系统中问题的解决对策

3.1 保护知识产权

为了强化新闻媒体平台的知识产权意识，法制意识，同时，也为了帮助受众更加知法懂法，提升法律意识，双方应加强在知识产权领域的协同合作，增强知识产权保护意识，这既是对知识的尊重，也是对受众负责的表现。

3.2 加强人的主观能动性

在新闻推荐系统中，一方面借助机器人把关，减少人的工作负荷，但是不可把任务全部交给机器去把关，在机器筛选之后，还要发挥人的主观能动性作用，例如对于文化类、娱乐类等，要对新闻的内容，价值观导向进行审核、筛选； 另一方面，对于一些涉及重大事件的政治新闻等，要发挥人的作用，对事件进行全局把握，对事件内容进行有逻辑性地专题式整合和推送； 同时，也要通过人的筛选，向公众传播公众利益至上的新闻信息，传播正能量。

3.3 关注公共事件

在推荐系统盛行的今天，个人在关注自己感兴趣的内容的同时，要注重和社会的联系，不要和社会脱节，要关注社会新闻，关注公众事件。

3.4 提升新闻品质

在新闻内容同质化现象加剧的状况下，独家新闻显得尤为重要，是众多个性化新闻推荐系统在激烈的竞争中取得胜利的法宝，新闻媒体要加强自己的原创意识，提升新闻品质；同时新闻传媒产业，也要加强宣传，鼓励媒体企业要注重自身的品质，形象建设，诚实发稿。

3.5 保护个人隐私

一方面个人在使用过程中要注重个人隐私信息的保护，做好保护措施；另一方面，新闻客户端的后台要做好强大的信息建设，阻止黑客的入侵，保护用户的信息安全。

4 总结

本文主要针对新闻个性化推荐系统的现状，陈述了推荐系统中目前面临的问题，以及针对这些问题，给出了相应的解决对策。