作為新聞業(yè)在數(shù)字環(huán)境下“后臺前置”的下一個階段——“把關(guān)后移”的主體，平臺媒體（platisher）的新聞推送業(yè)務(wù)大多基于用戶的使用慣習(xí)，通過算法預(yù)測用戶感興趣的信息和話題，再將其推送給用戶。逐漸轉(zhuǎn)型為平臺媒體的社交媒體在現(xiàn)有的模式下很大程度上主導(dǎo)著新聞內(nèi)容的聚合與分發(fā)，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(guān)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，F(xiàn)acebook成為最大的新聞入口；今年8月易觀發(fā)布的《中國移動資訊信息分發(fā)市場專題研究報告2016》顯示在國內(nèi)資訊信息分發(fā)市場上，算法推送的內(nèi)容已經(jīng)超過了50%；路透新聞研究院的調(diào)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(dān)心，但人們尤其是年輕人，更加愿意使用和相信根據(jù)算法生成和推送的內(nèi)容。

對傳媒業(yè)而言，大概沒有一個時代比今天更強調(diào)技術(shù)的作用。

各大資訊平臺全面發(fā)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(yīng)用前三甲的天天快報，亦或一點資訊、網(wǎng)易號、百家號等等各自圈地的新產(chǎn)品們，都無一不強調(diào)自己的技術(shù)屬性和渠道分發(fā)優(yōu)勢，算法面前，內(nèi)容為王的聲音似乎小了許多。

在巨頭們爭相建設(shè)生態(tài)的博弈中，優(yōu)質(zhì)自媒體、專業(yè)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(xù)顧全“酒香不怕巷子深”的臉面？從實際情況上看，國內(nèi)國外在這一點上有頗多相似之處，多數(shù)內(nèi)容生產(chǎn)者、生產(chǎn)機構(gòu)的選擇是在新的生態(tài)中尋找自己的舒適區(qū)，這意味著不得不接受這套生態(tài)系統(tǒng)下的叢林法則。

什么是推薦算法？

推薦算法是計算機專業(yè)中的一種算法，通過一些數(shù)學(xué)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(nèi)容推薦、協(xié)同過濾推薦、基于規(guī)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(nèi)容的推薦算法

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

2協(xié)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(guān)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(xié)同過濾算法（user-based collaboratIve filtering），還有一種是基于Item的協(xié)同過濾算法（item-based collaborative filtering），這兩種方法都是將用戶的所有數(shù)據(jù)讀入到內(nèi)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(xùn)練過程比較長，但是訓(xùn)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(nèi)容的推薦

也可以叫做基于用戶畫像的推薦，意思就是根據(jù)用戶的歷史點擊記錄，總結(jié)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(xié)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(shè)置一個時間窗口，統(tǒng)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；

算法推薦型新聞分發(fā)平臺盛行

我們正處在一個信息大爆炸時代，新聞信息量巨大，傳統(tǒng)的新聞媒體已經(jīng)無法完成全部信息過濾的歷史使命，新聞信息過濾的主動權(quán)從傳統(tǒng)的新聞媒體手中逐漸轉(zhuǎn)移出去，算法推薦型新聞分發(fā)平臺便應(yīng)運而生。

信息過濾易權(quán)

過去，幫忙過濾信息的權(quán)力掌握在新聞媒體手中，媒體以喉舌的身份自居。今天，空前膨脹的信息時代，僅僅依賴媒體來過濾信息已經(jīng)力不從心，于是，有了兩種方式， 一種是把權(quán)力讓給社交關(guān)系，讓每個人推薦自己喜歡的新聞內(nèi)容給朋友，大家都是新聞編輯，同時也消費朋友推薦的新聞內(nèi)容，另一種是把權(quán)力讓給算法，讓算法來識別人們的喜好，推薦人們可能感興趣的內(nèi)容。

新聞信息分發(fā)平臺

《今日頭條》正在用推薦算法技術(shù)顛覆我們這個時代的閱讀，把閱讀的權(quán)力讓給技術(shù)，用技術(shù)來識別用戶的喜好，并推薦可能感興趣的內(nèi)容；

《一點資訊》也是依靠機器算法“精準(zhǔn)”分發(fā)資訊的平臺，是一款為興趣而生、有機融合搜索和個性化推薦技術(shù)的興趣引擎，基于興趣為用戶提供私人定制的精準(zhǔn)資訊；

騰訊《天天快報》也是一款個性閱讀、快樂吐槽的新聞閱讀產(chǎn)品。產(chǎn)品通過智能計算用戶的興趣，為用戶推薦喜歡的內(nèi)容；

知乎的《讀讀日報》結(jié)合了UCG與算法推薦，也在走推薦算法的路。

新聞推薦算法給新聞媒體帶來的負面影響

1新聞媒體概念的瓦解，與受眾失聯(lián)，難以塑造品牌

每一篇新聞通過推薦算法分發(fā)然后觸達用戶，中間開始隔著一個“流量分配者”—新聞信息分發(fā)平臺，這徹底瓦解了新聞媒體品牌和受眾的概念。新聞媒體淪為以單篇文章為單位來思考，不能再通過持續(xù)的內(nèi)容輸出塑造新聞媒體品牌，而且只能通過標(biāo)題黨、低俗化內(nèi)容來讓每篇文章找到受眾；新聞媒體不再有穩(wěn)定的受眾和堅實的讀者預(yù)期量，沒有了傳統(tǒng)新聞媒體的讀者培養(yǎng)過程，沒有了與穩(wěn)定讀者群體的持續(xù)交流和互動，媒體所需要的持續(xù)性關(guān)注幾乎無法得到，與受眾幾近失聯(lián)。

2傳統(tǒng)新聞生產(chǎn)邏輯的改變

傳統(tǒng)的新聞價值觀重視社會公眾利益，報道具有長遠影響的事件并提供見解，主流的新聞操作手法保障了新聞從業(yè)者面對政治、軍事和社會力量時的獨立和從容，而推薦算法從用戶個體出發(fā)，對于國家和社會整體的關(guān)注度不夠，這種新聞推送機制是有社會潛在威脅的。所以推薦算法的存在，并沒有能夠代替媒體的作用，它沒有辦法像編輯那樣，做一些大家可能不喜歡但一定需要讓大家看到的內(nèi)容的使命感。

3淪為為他人做嫁衣

媒體變成了新聞信息分發(fā)平臺內(nèi)容工廠的一名“工人”，流量生殺大權(quán)、廣告收入都握在了信息分發(fā)平臺的手中。一條新聞報道再怎么火，也只火了新聞信息分發(fā)平臺，用戶不會關(guān)心是出自哪個媒體，媒體淪為為新聞分發(fā)平臺代筆的工具。

新聞推薦算法給新聞媒體帶來的積極影響

目前業(yè)界對于新聞推薦算法的評價褒貶不一，除了主流的鄙夷態(tài)度外，也不得不承認其對于新聞媒體還是有存在的積極意義的，畢竟算法是人發(fā)明的，分發(fā)平臺會大受歡迎也是用戶來選擇的。

運營工作量降低，更專注于內(nèi)容

推薦算法可以自動抽取文章特征，也可以找到合適的文章投放，所以新聞媒體可以不用太擔(dān)心新聞傳播渠道和運營問題，因為只要是內(nèi)容好，信息分發(fā)平臺都會愿意給流量并匹配精準(zhǔn)的用戶，但這也要求媒體需要對用戶更了解；另外推薦算法鼓勵了高點擊率，還用廣告分成激勵了點擊率高的新聞內(nèi)容創(chuàng)作者。