作為新聞業在數字環境下“后臺前置”的下一個階段——“把關后移”的主體，平臺媒體（platisher）的新聞推送業務大多基于用戶的使用慣習，通過算法預測用戶感興趣的信息和話題，再將其推送給用戶。逐漸轉型為平臺媒體的社交媒體在現有的模式下很大程度上主導著新聞內容的聚合與分發，其身份和功能的主要定位是通過對于用戶偏好的精確匹配，從海量過剩的信息洪流中將用戶最關心、最適合用戶接收的信息甄選出來。這種模式目前備受推崇。

美國皮尤研究中心《2016美國社交媒體平臺新聞使用報告》顯示，62%的美國成年人從社交媒體上獲取新聞，Facebook成為最大的新聞入口；今年8月易觀發布的《中國移動資訊信息分發市場專題研究報告2016》顯示在國內資訊信息分發市場上，算法推送的內容已經超過了50%；路透新聞研究院的調查顯示，雖然對于算法推送新聞確實存在算法審查（Algorithmic Censorship）、平臺偏向（platform bias）、信息繭房（information cocoons）以及回音壁（echo chamber）的擔心，但人們尤其是年輕人，更加愿意使用和相信根據算法生成和推送的內容。

對傳媒業而言，大概沒有一個時代比今天更強調技術的作用。

各大資訊平臺全面發力算法，希望從這個呼嘯而至的智媒時代分一杯羹。無論是4月剛獲得10億美元D輪融資的今日頭條，還是上線不到兩年就躋身資訊應用前三甲的天天快報，亦或一點資訊、網易號、百家號等等各自圈地的新產品們，都無一不強調自己的技術屬性和渠道分發優勢，算法面前，內容為王的聲音似乎小了許多。

在巨頭們爭相建設生態的博弈中，優質自媒體、專業媒體成為被爭奪的對象，但同樣也面臨著選擇：與平臺合作，與算法共謀，還是繼續顧全“酒香不怕巷子深”的臉面？從實際情況上看，國內國外在這一點上有頗多相似之處，多數內容生產者、生產機構的選擇是在新的生態中尋找自己的舒適區，這意味著不得不接受這套生態系統下的叢林法則。

什么是推薦算法？

推薦算法是計算機專業中的一種算法，通過一些數學算法，推測出用戶可能喜歡的東西。推薦算法主要分為6種：基于內容推薦、協同過濾推薦、基于規則推薦、基于效用推薦、基于知識推薦和組合推薦，本文選取兩種常用的介紹：

1基于內容的推薦算法

原理是與用戶喜歡和自己關注過的Item在內容上類似的Item，比如你看了一條關于“成都限購政策出臺”的新聞，基于內容的推薦算法發現一條關于“限購后這些新盤價格遠低于預期 高新區某盤不到一萬”的新聞與你以前觀看的新聞在內容上面（共有很多關鍵詞）有很大關聯性，就把后者推薦給你。

2協同過濾算法

原理是用戶喜歡那些具有相似興趣的用戶喜歡過的新聞，比如你的朋友或你關注的人喜歡體育類的新聞，那么就會推薦給你，這是最簡單的基于用戶的協同過濾算法（user-based collaboratIve filtering），還有一種是基于Item的協同過濾算法（item-based collaborative filtering），這兩種方法都是將用戶的所有數據讀入到內存中進行運算的，因此成為Memory-based Collaborative Filtering，另一種則是Model-based collaborative filtering，包括Aspect Model，pLSA，LDA，聚類，SVD，Matrix Factorization等，這種方法訓練過程比較長，但是訓練完成后，推薦過程比較快。

新聞推薦策略

一般做新聞推薦有三種策略：

1基于內容的推薦

也可以叫做基于用戶畫像的推薦，意思就是根據用戶的歷史點擊記錄，總結出用戶的喜好，也就是用戶畫像，計算每個新聞與用戶畫像的相似度，將相似度最高的新聞推薦給用戶；

2協同過濾推薦

就是找到和用戶興趣相似的群體，然后把這個群體喜歡的推薦給這個用戶；

3熱門推薦

還有另外一種新聞推薦常用的方法就是熱門推薦，這個是設置一個時間窗口，統計在過去一段時間所有新聞的點擊量，把點擊量最大的新聞推薦給用戶；