陆小华:以战略思维谋划智能传播时代的网络内容建设

推荐算法的运用和迭代发展,在提升信息服务与用户需求匹配度、增强分发能力等方面发挥了重要作用,既进一步扩大了网络内容与传播的影响力,又深刻改变了内容生产与传播的外部环境与运作机理,深刻影响传播格局。

在智能传播时代,如何进一步加强网络内容建设,有效匹配人民群众对优质内容和个性化推送服务的需求?如何牢牢把握舆论引导的主导地位,在国内外复杂多样的舆论博弈中赢得主动?这就要求我们从战略层面研究智能传播所带来的变化和深远影响,探究智能传播的特殊优势和规律并加以运用,把人工智能作为强化网络内容建设的有力工具,增强舆论引导能力,不断推进网络强国建设。

算法等人工智能应用于内容生产与网络传播是21世纪新闻传播领域最为重要的变化之一。互联网平台通过运用推荐算法提升信息分发与用户需求匹配度,改善用户体验。近年来,推荐算法在新闻分发、信息服务等领域形成巨大的竞争优势,与此同时也带来一系列争议和担忧。

梳理推荐算法应用于内容生产与传播的演化过程,可以发现几个鲜明特点,或可为加强网络内容建设提供有益启示。

智能传播放大了信息分发环节在影响力生成中的权重。以往,人们认为影响力是基于内容生成的,因而内容生产者在影响力生成中占有更重要地位。但在智能传播时代,运用推荐算法的平台本身并不生产内容,而是依靠汇聚、选取、分发和基于数据分析个性化推送信息获得影响力。这让人们认识到,不仅内容可以生成影响力,个性化推送内容同样可以获得巨大影响力。因而,在智能传播时代加强网络内容建设,主流媒体等内容生产者须应用推荐算法高效分发、精准推送,形成更强影响力,获取更好的舆论引导成效。

问题发现与提炼是算法应用的先导。算法是通过逻辑结构解决问题的流程。从实际应用层面看,切中要害、指向清晰的目标,对算法研发、应用与发展至关重要。从谋划网络内容建设的角度看,特别需要内容生产者、主流传播平台和算法研发团队三方共同发现、提炼问题,对接资源,弥合内容和技术之间的信息鸿沟,共同确定可执行的清晰目标。

人工智能应用于内容生产与传播全流程。算法等人工智能不仅应用于传播、推送、分发环节,还广泛应用于内容采集、处理、加工、挖掘等内容生产环节。因此,智能传播实际上是指人工智能应用于内容采集、生产、分发、接收、反馈等环节的全流程。人工智能等数字科技的介入,使内容生产由单纯人力所为或人使用机器进行,演变为在算法等人工智能技术辅助下进行,进而出现以深度学习、虚拟现实为代表的生成合成类算法,用以制作文本、图像、音频、视频、虚拟场景以及数据类内容。内容生产便深受算法机制机理、模型、数据和应用等影响。在内容分发、传播领域,基于数据的个性化推荐技术不仅大大提升了内容分发效率,更有效提升了内容与需求偏好间的匹配度,深刻改变了传播格局和规律。因此,必须在内容生产与传播的全流程、各环节,用主流价值导向驾驭算法,全面提高舆论引导能力,加强网上正面宣传,弘扬主旋律、传递正能量,营造向上向善的网络空间美好精神家园。

智能传播时代已经到来。在信息过剩、“信息找人”的时代,运用基于数据分析的个性化信息推送服务技术的网络平台,拥有匹配用户个性需求与即时需求的推送能力,从而不断拓展新用户。为适应人工智能应用于内容生产与传播的趋势,网络内容建设可以抓住以下几个重点,寻求突破。

第一,既注重内容提质增效,又注重新形态数字内容建设。

第二,既顺应现有内容生产与传播规律,又努力适应智能传播条件与规律。

以推荐算法为代表的人工智能技术与方法应用于内容生产与分发,大大提升了匹配效率,也形成了新的传播机制。虽然智能传播呈现出与工业传播、电子传播、网络传播、社交传播、移动传播等迥然不同的特征,但是,工业化传播方式等内容生产与传播规律依然在今天发挥重要作用。

第三,既注重内容创意表达,又注重强化受众联系和传播策略设计。

智能传播时代的网络内容建设特别需要把握好数字内容与传统内容的核心区别。首先,数字内容不仅提供有意义的信息,还搭载传播者与受众的联系。这就意味着数字内容的创意、表达等既要考虑如何影响人,又要考虑如何让受众参与到内容传播中。同理,网络内容建设既要考虑正能量内容建设,又要考虑如何让人们参与到传播正能量中。新媒体的特征之一是多次传播,而网络内容建设的重要部分是驱动正能量内容的多次再传播。这要求利用现有机制与手段,在内容创意和表达上提炼好、设计好价值点、切入点、共鸣点、共振点,达到打动用户、激发共鸣的效果。其次,数字内容实质上是内容与传播策略的组合体。这就意味着网络内容创意、设计表达必须注意传播策略,即针对什么问题、在什么时机、如何进行此项内容的传播,将与其他内容传播产生何种协同效应等。在智能传播时代,传播策略的设计还应包括如何有效利用算法机制机理,从而实现更高效、更精准的传播。

THE END
1.基于邻域的算法(协同过滤)和内容过滤算法基于用户行为分析的推荐算法是个性化推荐系统的重要算法,一般将这种算法成为协同过滤算法。协同过滤,就是用户可以齐心协力,通过不断和网站互动,使自己的推荐列表能够不断过滤掉自己不感兴趣的物品,从而越来越满足自己的需求。 1. 基于邻域的算法 基于邻域的算法是推荐系统中最基本的算法,主要分为两大类,一类是基于用户...https://www.jianshu.com/p/50c8132d9677
2.基于协同过滤算法图书推荐系统的设计与实现.pdf想预览更多内容,点击免费在线预览全文 免费在线预览全文 本科毕业设计 论文题目:基于协同过滤算法的图书推荐系统的 设计与实现 摘要 随着网络和信息技术的飞速发展,电子图书资源的数量也在以惊人的速度增 长,越来越多的用户通过图书购买网站购买图书或在图书阅读网站上阅读电子书, ...https://max.book118.com/html/2024/0217/7053136045006042.shtm
3.协同过滤算法深入解析:构建智能推荐系统的核心技术在这种背景下,推荐系统应运而生,成为帮助用户过滤信息,找到自己感兴趣内容的有效工具。协同过滤算法作为推荐系统中的一种核心技术,广泛应用于电商、社交媒体、音乐、电影等多个领域,极大地改善了用户体验。本文将对协同过滤算法进行深入解析,让我们一起探讨这一神奇的技术。https://developer.aliyun.com/article/1267365
4.什么是智能推荐?智能推荐的原理是什么?所以,CF依赖于“群体共性”“群体智慧”挖掘出那些潜在的、可能会被用户喜欢的内容并推荐给用户。CF算法也是最早、最经典的推荐算法之一,可以这么说,CF算法是推荐算法的鼻祖。我们后续很多推荐算法都是基于CF的协同过滤思想延伸而来。有两类基于协同的推荐算法:基于用户的协同过滤算法、基于物品的协同过滤算法。https://www.niaogebiji.com/article-106383-1.html
5.基于流形近邻的协同过滤算法AET为了比较基于欧氏距离的协同过滤算法和基于最小最大距离的协同过滤算法,此处变化邻居数,加权方案取01VD,记使用欧氏距离的协同过滤方案为ECF,得到的实验结果如图2所示。 从图2可以看出,使用流形近邻的协同过滤算法优于使用欧氏距离的协同过滤算法。 3.3不同流形邻居数对实验结果的影响 ...http://www.chinaaet.com/article/3000016485
1.传统推荐算法——协同过滤ItemCF 是基于物品相似度进行推荐的协同过滤算法。通过计算共现矩阵中物品列向量的相似度得到物品之间的相似矩阵,再找到用户的历史正反馈物品的相似物品进行进一步排序和推荐,ItemCF 的具体步骤如下: 基于历史数据,构建以用户(假设用户总数为m mm)为行坐标,物品(物品总数为n nn)为列坐标的m × n m \times nm×...https://blog.csdn.net/weixin_55210809/article/details/143807593
2.基于内容和协同过滤的混合推荐算法研究及应用目前的主流推荐算法有基于内容的推荐算法、协同过滤算法等。基于内容的推荐算法能够充分利用推荐对象的属性特征进行推荐,但其推荐结果局限性较强,不能挖掘出用户潜在的兴趣爱好。协同过滤推荐算法有着比较稳定的性能,但也存在着数据稀疏性、新物品没有用户评分难以推荐导致“冷启动”等问题。此外,传统协同过滤算法的核心...https://cdmd.cnki.com.cn/Article/CDMD-10611-1020355978.htm
3.十个优秀开源推荐系统/算法/资源基于内容的推荐或者协同过滤算法各有优缺点。为了更准确地推荐产品,还可以使用混合推荐算法,即同时使用基于内容和协同过滤推荐产品。混合推荐算法具有更高的效率和更好的实用性。 三、10个最佳开源推荐系统相关资源 为了进一步理解推荐系统,以下收集了一些用于学习或者开发的最佳开源项目,包括:学习资源、开发包、完整的推荐...https://www.easemob.com/news/10998
4.淘宝和网易云怎样知道你喜欢什么?终于有人把推荐系统讲明白了...推荐系统具有不同的分类方法。常见的分类方法有:按照推荐结果因人而异分类、按照推荐方法分类、按照推荐模型构建方式分类。因为推荐算法是整个推荐系统中最核心部分,所以推荐系统还可以依据推荐算法分类。基于此,推荐系统可以分为基于内容的推荐、基于协同过滤的推荐以及混合推荐方法。 https://www.51cto.com/article/645404.html
5.常用推荐算法介绍——基于内容的推荐算法在基于内容的协同过滤算法中,要做的第一件事是根据内容,计算出书籍之间的相似度。在本例中,使用了书籍标题中的关键字(图二),这只是为了简化而已。在实际中还可以使用更多的属性。 图二:用户已经评论过的书籍标题 首先,通常要从内容中删除停止词(比如语法词、过于常见的词),然后用代表出现那些词汇的向量(或数组...https://cloud.tencent.com/developer/news/394225