中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

編輯導語：隨著網絡信息的發展，個性化推薦也逐漸被各個軟件所應用。但是大多數用戶卻對個性化推薦持反感態度，這究竟是為什么呢？本文介紹了個性化推薦的由來以及它的缺點，讓我們一起來看看吧！

三月中旬，抖音、今日頭條、微信、淘寶、百度、大眾點評、微博、小紅書等 App ，都陸續上線了算法關閉鍵，允許用戶在后臺一鍵關閉“個性化推薦”功能。另外，微信、大眾點評等App還列出了“個人信息收集清單”，明確告知用戶有哪些信息已經被平臺方收集，并會告訴用戶這些信息將被如何分發、使用。

這意味著，用戶可以自行選擇是否拒絕平臺基于瀏覽記錄為其做出的個性化的內容推薦及廣告推薦。個性化推薦原本是為了更好滿足用戶需求而上線的功能，為何淪落至今天廣受詬病甚至遭用戶一鍵關閉的地步呢？

一、個性化推薦的溯源

1. 從個性化信息聚合到個性化信息推薦

大數據時代，信息數量呈指數爆炸式增長，信息超載已經成為互聯網用戶面臨的一大難題，用戶難以在海量信息中找到自己需要的有用信息。因此，個性化推薦功能應運而生。諸如抖音、今日頭條、微博等各大App通過算法對用戶行為和關系進行分析，挖掘用戶對內容的偏好和潛在需求，通過信息聚合，自動為其生成出符合其需求的信息，從而實現個性化的內容推薦和定制新聞發送。

個性化信息推薦是基于個性化信息聚合的信息推薦模式，對新聞生產機制是一種顛覆性的轉變。個性化信息推薦即通過人工智能分析和過濾機制，根據用戶個性化需求聚合相關的信息，并以此對信息進行深度智能分析，以實現用戶個性化的、動態的需求。

信息聚合已經不再是傳統的新聞生產過程中由媒體主導的信息過濾與篩選，而是基于互聯網生產邏輯的算法主導的信息聚合，并借助特征分析、語義網等技術的發展，形成了基于個人興趣的個性化信息合成和推薦模式。

2. 從“我的日報”到“猜你喜歡”

早在1995年，學者尼葛洛龐蒂在《數字化生存》一書中就描繪了這樣一幅畫面：每個人都可以擁有一份按個人口味定制的虛擬日報，即“我的日報”（The Daily Me）。如今，在大數據挖掘與分析等技術的加持之下，平臺得以為每個用戶建立“個性化檔案”，“我的日報”早已從愿景成為現實。

個性化推薦正是來源于新聞個性化服務，——也有學者稱之為定制新聞。新聞機構、資訊平臺向用戶提供個性化的新聞資訊訂閱服務；并通過數據挖掘和機器學習分析用戶瀏覽、收藏、轉發、評論新聞資訊的行為，同時結合用戶地理位置信息、閱讀時間和使用習慣、所訂閱的欄目和興趣點、用戶關聯的社交媒體數據，實現精準的信息推送。

個性化推薦是新聞個性化服務的重要內容之一，而隨著技術的發展和時間的更迭，個性化推薦這一功能早已從新聞媒體新聞訊息延伸至了各大平臺各種內容。

例如，以淘寶為代表的電商類平臺首頁的推薦頁面；以網易云為代表的音樂類app的心動模式；以微博為代表的社交媒體的推薦內容……個性化推薦適用范圍越來越廣泛，功能目的卻漸漸發生了偏移，原本為用戶而生、為了更好滿足用戶需求的個性化推薦逐漸成為平臺和商家挖掘潛在用戶、精準投放廣告的工具，用戶隱私岌岌可危，甚至逐漸形成了信息繭房。

二、個性化推薦與隱私侵犯

互聯網時代，每一個人都像是“裸奔”一般，毫無隱私與秘密可言。這句話看似危言聳聽，但其實早已從預言成為現實。隨著互聯網的發展，個性化推薦已經成為與搜索并列的信息獲取方式。隱私數據被隨意收集和泄露，是用戶在使用互聯網過程中，無法避免、又非常頭疼的問題。

1. 電商平臺的大數據殺熟

當你打開手機上的微博，搜索了一下最近有什么熱門的口紅色號，給測評博主點了個贊后又打開淘寶，很快發現上一秒才種草的某品牌口紅赫然出現在首頁的推薦里，打開搜索框，猜你喜歡第一位就是該品牌。你會覺得貼心？打擾？還是一種被長期監視的深深的恐懼呢？相信互聯網重度用戶對這樣的場景早已見怪不怪，人們早已默認自己活在各類App的監視之下，然而，這種監視早已突破界線、變本加厲。

同一機票網購平臺，第二次查詢的票價往往比第一次要貴；網購App平臺的同一商品，經常購買者比第一次購買者價格要高；某個打車軟件，同一時間段從家到單位感覺費用越用越高……

此類大數據殺熟案例比比皆是。大數據殺熟是指同樣的商品或服務，老客戶看到的價格反而要比新客戶貴出許多的現象。正是由于經營者采取個性化推薦，運用大數據收集消費者的信息，分析其消費偏好、消費習慣、收入水平等內容，將同一商品服務以不同價格賣給不同消費者從而獲取更多利益。

2. 社交媒體的隱私泄露

性別、年齡、家庭住址、學歷學籍、工作單位……這些私密的個人信息在互聯網時代都不再是秘密。平臺為了滿足用戶的個性化需求而采取個性化推薦，必然要獲取用戶的個人信息來進行數據的挖掘與分析，但同時，這些個人信息難免被有心之人拿來他用。

你是否經常收到推銷商品的騷擾電話卻不知道自己的手機號碼是如何泄露的？你是否經常收到來自陌生人的添加微信好友提示卻根本不知道對方是誰？隱私泄露已經成為了影響用戶的最大問題之一。

三、個性化推薦與信息繭房

1. 信息繭房來源及定義

信息繭房這個概念最早來自美國學者桑斯坦，他在《信息烏托邦—眾人如何生產知識》一書中提出，信息繭房意味著我們只聽我們選擇和愉悅我們的東西。

如今，人們逐漸邁入大數據、數字化、信息化時代，個性化信息服務慢慢興起，平臺根據用戶信息和使用記錄利用算法對海量信息進行選擇與過濾，選擇與用戶相關的、用戶可能喜歡的、用戶可能需要的信息，過濾與用戶無關的、用戶可能不喜歡的、用戶可能不需要的信息，傳遞到用戶面前，最終加劇信息繭房的形成。

例如，當某人長期在抖音觀看美食類視頻之后，他很快會驚奇地發現抖音推薦給他的都將是美食類視頻，很少能看到其他顏值類、歌舞類、搞笑類視頻，這正是個性化推薦在作祟，給他構建了美食類視頻的信息繭房。

在更早出版的《網絡共和國》一書中，桑斯坦也表達了對科技力量帶來的消費者過濾所讀所看所聽的越來越強大力量的擔憂與反思。而后來另一研究者提出的過濾氣泡這一概念更是直接強調了信息過濾對用戶的影響。

2. 過濾機制構成繭房

過濾氣泡概念最早由互聯網活動家帕里澤2011年在其著作《過濾氣泡：互聯網沒有告訴你的事》中提出。他發現搜索引擎可以隨時了解用戶偏好，并過濾掉異質信息，為用戶打造個性化的信息世界，但同時也會筑起信息和觀念的“隔離墻”，令用戶身處在一個“網絡泡泡”的環境中，阻礙多元化觀點的交流。他將此稱為過濾氣泡。過濾氣泡與信息繭房異曲同工，二者共同強調了過濾機制給用戶帶來的信息同質化風險。這種信息同質化風險實質上來源于人們的選擇性心理。

美國學者拉扎斯菲爾德等人通過研究1940年美國大選發現，人們原本的政治傾向在很大程度上影響著他們的媒介接觸行為，受眾更傾向于接觸那些與自己原有立場、態度一致或接近的內容。選擇性接觸的結果不是導致原有態度的改變，而有可能是強化原有態度。

后來的傳播學者，將受眾的選擇性心理分為選擇性接觸（包括選擇性注意）、選擇性理解與選擇性記憶等幾個層面，心理學領域的研究也證明了選擇性心理的存在。

在個性化信息服務越來越盛行、個性化推薦功能愈演愈烈的今天，不僅平臺算法的過濾機制會造成信息繭房，人們的選擇性心理也會導致自我信息過濾，篩選掉和原有態度不一致的信息，最終構成信息繭房。

3. 算法優化有效破繭

目前主要的個性化推薦算法包括基于內容的推薦、協同過濾推薦、基于知識的推薦、基于網絡結構的推薦、混合推薦等。

個性化推薦算法的作用原本是過濾掉它認為某個特定對象不需要的內容，以提高內容與用戶需求的匹配度，降低用戶獲取有效信息的成本，但無形之中構成了用戶的信息繭房，使得用戶無法獲取繭房之外的其他有效信息，甚至可能造成用戶信息被泄露、隱私被侵犯等嚴重問題，逐漸淪為商家投放廣告、獲取消費者的工具，背離了以用戶為主、從用戶利益出發的初衷。

要使個性化推薦功能回到原來的軌道，除了近日各大平臺上線的“一鍵關閉”功能一勞永逸之外，還可以嘗試通過算法優化的方式破除信息繭房。

以往的個性化推薦算法或者直接針對個體以往的行為偏好，或者基于同類人群的偏好，都在較大的程度上強調個體或群體的既有興趣，這就可能形成對個體偏好的不斷強化、放大，用戶被同類信息包圍的機率也會加大。

而倘若調整現有算法機制，并混合多種算法機制，例如增添基于知識的推薦算法、基于用戶社會關系網絡的推薦算法、基于平臺大多數用戶的興趣愛好的推薦算法等，則可能有利于打破用戶的偏好與已有習慣，幫助他們發現更多有價值的、有助于拓展他們視野的信息，最終有效破除信息繭房。

個性化推薦功能好似一把雙刃劍，一方面，它能夠較好地滿足用戶的需求、使得用戶高效快捷獲取所需信息；另一方面，它在無形之中為用戶構建了信息繭房，甚至造成用戶隱私泄露、大數據殺熟等風險。

要使個性化推薦功能發揮其長處、避免其短處，“一鍵關閉”或許并不是最優路線，唯有用戶主動自覺提高隱私保護與破繭意識、平臺方以用戶需求為首要目的、算法持續優化發展等策略多管齊下或許才可徹底解決這一問題。

作者：楊枝甘露寺；公眾號：NewMediaLab

原文鏈接：https://mp.weixin.qq.com/s/W8OCZz2DASSG-L-8pD4uwA

本文由 @NewMediaLab 授權發布于人人都是產品經理。未經許可，禁止轉載。

題圖來自Unsplash，基于CC0協議。