技术不确定性下算法推荐新闻的伦理风险及其法律规制

大数据、人工智能、算法推荐技术等信息技术的快速迭代,推动了传统社会的数字化转型,传统新闻业同样在开展数字化转型升级。在此背景下,随着新闻信息过载的不断加剧,由大数据衍生出的算法推荐新闻迅速崛起,算法信任、数据优势与新闻媒介的数字化客观上为算法推荐新闻的应用和发展奠定了基础。毋庸置疑,算法推荐新闻对于实现新闻准确分发、增强新闻受众黏性具有重要意义,智慧化、瞬时性的算法推荐新闻具有精准、高效、个性化优势,但同时算法作为一种复杂性、不确定性技术,带来了多层面、多环节、多领域的风险挑战和制度掣肘,算法推荐新闻同样引发了“算法黑箱”“算法偏差”“技术霸权”“责任缺口”与“信息泄露”等多种伦理风险。当前,学界对于算法推荐技术本身是否真的成熟,以及算法推荐新闻可能引发的伦理危机研判明显不足。对此,从技术不确定性理论所内嵌的技术本身不确定性、技术认知不确定性与技术制度不确定性三个向度,可以为算法推荐新闻的伦理风险提供适当的分析框架,在此基础上厘清算法推荐新闻伦理风险发生的根源,可将其归纳为技术本身不确定性向度的数学洗脑与主体性缺失、技术认知不确定性向度的能力不足与底线失守以及技术制度不确定性向度的法律...     

局限及其规避:智能算法在铸牢中华民族共同体意识中的运用

智能算法通过标签化处理和用户画像实现了信息内容的个性化推荐,这一技术在信息分发过程中逐渐显现出对个体认知观念、价值信仰、思维逻辑和行为模式的介入和塑造。智能算法推荐技术的发展为推进中华民族共同体意识培育的全民化、生活化和精准化提供了技术可能。但智能算法在消解信息碎片化与用户个性化信息需求之间矛盾的过程中引发的媒体格局、舆论生态、传播方式的深刻变革,也会给将这种算法引入中华民族共同体意识培育带来一些局限。为此,应当通过以技术优化规制算法、以媒体融合制衡算法舆论、以社会权利约束算法权力、以人的主体性回归对抗算法支配等举措,引导智能算法的合理应用,使之成为中华民族共同体意识培育的强大技术支撑。     

信息时代自媒体传播“个性化新闻”的思考

当前,自媒体凭借其及时纠错性、平等互动性、广泛迅速性、自由发布性等特征,成为信息时代传播"个性化新闻"的客观需求和必然。然而,自媒体在"个性化新闻"传播中存在信息传播不完整与不准确性,存在着恶意、虚假新闻信息的传播等缺陷。因此,我们要建立自媒体"个性化新闻"传播的道德约束机制,设置自媒体对"个性化新闻"传播的监测识别系统,实现自媒体与传统主流媒体"个性化新闻"传播的"双轮驱动"等,促使其良性发展。     

融合多信息的个性化推荐模型

为了解决协同过滤推荐系统的数据稀疏与冷启动问题,通常利用辅助信息来提高推荐系统的整体性能。当前大多数社交媒体网站和电子商务系统都允许用户发表文本评论,以及对项目(如商户、电影、商品等)进行评分。为了更加有效地融合多种数据信息,解决数据稀疏的问题,提高推荐算法的准确性,构建了一个基于用户-项目历史交互数据源融合知识图谱的模型,提出了基于用户-项目历史评论的深度学习算法,将2种算法动态融合,利用随机梯度下降方法进行模型求解,为用户提供更精准的个性化推荐服务。实验结果表明:相比于已有典型推荐算法,所提模型取得更好的推荐效果,并且可以有效地解决数据稀疏带来的推荐准确性降低的问题。     

算法推荐视域下我国新闻价值观的解构与重构

算法在人工智能时代已经成为信息生产、分发、反馈等各环节的底层技术支撑,重塑了整个新闻业态。算法推荐机制被引入新闻内容的生产和分发当中,给中国传统新闻价值观尤其是马克思主义新闻价值观带来巨大的冲击,引发受众的个体价值观异化、传统媒体的舆论引导失控、社会共通的价值观断裂等一系列伦理风险。追根溯源,引发传统新闻价值观嬗变的深层次原因当是价值理性和技术理性的错位。因此需要从价值伦理的角度入手进行价值范导,通过培养受众的算法素养、为算法注入主流价值观、人机结合等措施来规避风险。在人工智能环境下,不应该把算法视为“洪水猛兽”,而应该以积极的姿态完成算法推荐对中国新闻价值观的重构。     

基于 EM聚类和用户评分的产品营销与推荐策略研究

网络技术的发展,特别是最近几年来“互联网＋”和大数据的发展,给企业产品营销带来了极大的机遇和挑战。相较于传统的通过简单粗暴的价格战来达到营销目的,一些企业通过对数据的充分利用和挖掘而在商战中获胜。利用数据融合技术从互联网大数据中挖掘用户的行为信息,通过分析消费者的个性化需求,利用 EM聚类算法构建基于模型的协同过滤推荐算法,给消费者推荐可能喜欢的产品,开展个性化主动营销服务;制定相应的个性化产品营销策略,从而提高产品销售的数量及产品推荐的成功率。利用从亚马逊网上书城获取的数据进行实验,验证了综合 EM聚类和用户评分方法具有较好的推荐效果。     

短视频推荐算法的运行逻辑与伦理隐忧——基于行动者网络理论视角

从行动者网络理论视角探寻短视频推荐算法的"黑箱"与运行逻辑,以及由此带来的算法伦理问题在智能时代尤为重要。短视频推荐算法是由短视频平台管理者主导的,与用户、商业资本、行业政策等行动者相互影响和动态建构而成的,并非纯然中立的客观物,而是具有价值观的行动者。短视频推荐算法中内嵌了用户偏好、社交关系、公共议题、场景、差异化和平台优先级六大价值观念要素,反映出流量至上和商业利益优先的算法价值观,以此为依据的短视频推荐算法实践带来了隐私泄露、信息窄化和算法歧视等伦理问题,亟需短视频平台公开并优化算法、用户改变信息消费习惯和提升算法素养、行业协会和政府部门加强算法审查与监督,从而促进算法"向善"更好地造福人类。     

构建新闻真实世界的“好搭档”——基于AI和区块链技术的新闻真实环境探讨

自运用于传媒领域的新闻生产以来,人工智能在海量信息加工与个性化推送方面发挥着重大作用,同时也带来新闻框架设定的偏向与操纵、大量发布假新闻的问题。区块链技术应用于新闻生产领域,可以给予人工智能新的"信任机制",这种机制源于区块链技术的新闻源头把关,能够最终保证新闻信息的完整性与安全性,有效打击虚假新闻,使信息脱媒成为可能。     

算法推荐赋能新时代主流意识形态建设研究

作为一种工具存在的技术,算法推荐在算法设计、数据筛选以及信息推送等过程中潜藏着技术使用者的价值取向和传播观念,因而具有鲜明的意识形态属性。算法推荐的应用给新时代主流意识形态建设带来了双向效应：一方面,算法推荐为主流意识形态传播提供数据支撑、精准信息和实时评价;另一方面,算法推荐存在的“算法黑箱”“信息茧房”以及“受众本位”等不断消解主流意识形态的价值信仰,弱化主流意识形态的认知统合,解构主流意识形态的权威地位。为此,我们必须积极发挥算法推荐的正向效应,有效规避和抑制其负面影响,通过增强技术赋值、完善法治监管、培养意志自律、聚焦民生热点等方式,助推新时代主流意识形态建设。     

基于Web日志挖掘的个性化推荐模型的研究

随着电子商务系统内商品种类急剧增加,如何针对用户进行有效的个性化商品推荐成为当前的研究热点。为解决该问题,本文提出了一种基于Web日志挖掘个性化推荐模型,该模型首先利用数据预处理技术对Web日志记录进行有效的清洗和识别,随后基于MapReduce模型实现了协同过滤推荐算法的并行化,从而实现商品的快速个性化推荐。实际应用结果表明该模型提高了个性化推荐结果的准确性,具有一定的应用价值。     

数字经济的信息摩擦:信息经济学视角的分析

数字技术的重要经济功能之一就是降低经济活动中的信息摩擦.本文从信息经济学视角,讨论数字技术影响信息摩擦的机制和渠道、在此过程中产生的问题以及监管的逻辑.数字技术影响信息摩擦的机制可以统一用"活动数据化,数据信息化"的框架来分析.在这个框架中,经济主体的各种活动和互动都通过数字技术被数据化,并再通过各种算法和大数据分析技术提炼出有价值的信息,以个性化推荐、在线声誉等形式反馈给经济主体并影响他们的活动.如此反复,形成一个数据与信息的良性循环,从而提高了市场运作效率.在此过程中,隐私泄露、信息垄断和信息滥用等问题也日益突出,为数字时代构建良好数字生态带来挑战.如何驾驭数字技术,对数字经济进行有效的治理,使其造福于社会,是值得学者深入思考研究的问题.     

智能传播秩序建构：价值取向与伦理主体

大数据、算法等人工智能技术的发展与进步,催生了人工智能传播的范式,改变了当前的新闻传播生态,带来了新闻传播在实践、价值观念和生产关系层面的变革。基于人工智能技术发展所处阶段以及人工智能传播治理能力等因素的制约,人工智能传播引发的传播秩序失范问题正在加速解构和重构社会,改变着当前的社会关系。就目前阶段而言,人工智能自始至终依附于有生命体的人而存在。如果传播秩序由技术而不是由人来主导,就急需反思人类本身存在的意义和新闻传播发展的合理性问题。当前,面临人工智能所引发的秩序失范问题,亟待通过法律规制和伦理道德等手段来实现人工智能传播规范化治理。     

科技的渗透与融入——大数据、人工智能应用于新闻出版的研究综述

大数据与人工智能有着极为密切的联系。传统出版行业遇上移动互联技术后,就形成了一种新的出版形式——数字出版。广义的出版几乎包含了文化产业的大部分内容。人工智能为新闻出版业带来了怎样的变革?这种变革对于新闻出版业有何意义?学者们就此进行了有一定深度的探讨。探讨涉及机器人写作、选题策划和编辑出版、个性化内容生产和内容推荐、分发营销、广播影视闭环等。对于新闻记者来说,人工智能是"伙伴"而不是"敌人"。面对人工智能,不必恐慌,而应善待之、善用之。     

算法推荐在健康传播中的实践进路、问题表征与应对策略

算法推荐技术在健康传播的疫情监测分析、防控救治、资源调配等方面发挥了显著作用。它充分发挥传播导流功能,通过人机互洽整合疫情信息,使新冠疫情下异空间用户与基于算法推荐的新闻内容高度契合;利用具身互动监测健康状况,实现公众的身体数据连接与公众媒介的互嵌;赋能医疗模拟疫情传播,将智能防治理念具象化;重塑健康治理模式引发健康治...     

个性化推荐系统描述文件攻击检测方法

个性化推荐系统能产生针对性的、个性化的信息来满足不同用户需求,但也很容易受到用户描述文件注入恶意攻击,影响正常的推荐结果。针对该问题,分析和研究了描述文件的形式化模型、描述文件的属性及分类方法,应用粗糙集理论,设计了数据预处理离散化、决策表约简和个性化推荐处理相应算法,提出了一种用户描述文件分类学习和攻击检测的方法;为降低攻击对推荐结果的影响,完善了推荐系统的安全,设计出一种动态交互的个性化推荐模型框架。实例证明,用户描述文件的属性分类及检测方法是有效的,准确率高,能够有效地改善个性化推荐系统模型的安全。     

从规训到规制:智媒时代铸牢中华民族共同体意识的实践审思

智媒时代的到来为网络空间铸牢中华民族共同体意识赋予了算法权力和行动逻辑。智能算法通过对用户的精准画像和信息推荐完成日常生活的渗透与嵌入，既满足了用户个性化需求，同时对铸牢中华民族共同体意识过程裹挟进认知孤岛、精神成瘾、道德危机和价值偏见等算法污染风险。算法污染极易带来主体思维遮蔽、心理基础消解、社会责任禁锢和外部延展束缚等社会风险。为有效规制智媒时代算法偏差或异化等行为，需要在网络空间明确铸牢中华民族共同体意识的价值导向、构建铸牢中华民族共同体意识的制度规范、优化铸牢中华民族共同体意识的推送形式和提升铸牢中华民族共同体意识的技术素养，以此为新时代民族事务数字化革新提供技术支持。     

大数据视阈下学习资源智能推荐模型构建

借助大数据和人工智能提供的技术基础和思维框架,构建了以学习者大数据分析和学习资源大数据分析为基础、以智能推荐引擎为核心、以个性化资源服务为目的的学习资源智能推荐模型。该模型由数据源模块、学习者分析模块、学习资源分析模块、智能推荐引擎模块和个性化服务模块等六部分组成。该模型既关注对学习者的知识水平、学习行为、学习风格、学习兴趣等方面的大数据分析,又关注对学习资源的属性、类型、效能、进化等方面的大数据分析,还注重学习资源检索Agent、匹配Agent、管理Agent、算法优化Agent和推荐Agent的协同工作,该模型具有适应性、个性化和易用性等特征。     

网络服务平台算法推荐的著作权侵权认定规则

针对用户个性化的智能算法推荐模式已被广泛运用于各大网络服务平台，有效解决了全民创作时代的信息过载问题，但同时也引发了著作权帮助侵权认定的难题与争议。从智能推荐算法的运作机制与实践这一视角来看，由于平台具有“伪中立性”和价值取向性，因而难以通过技术中立免责，故构成著作权帮助侵权“应知”认定中的“主动推荐”。基于智能推荐算法的内容识别、筛选和推荐功能，以及平台具有的较强的信息管理能力，理应依据其服务类型、行为类型和客体类型承担一定程度的审查过滤义务，违反注意义务则将构成“应知”而承担侵权责任。     

基于用户和基于项目结合的个性化推荐算法

这篇文章说明了一种新的推荐算法,结合基于用户的协同过滤算法和基于项目的协同过滤算法各自的优点,在新算法中,首先利用基于用户的协同过滤算法确定一定数量的邻居,以保证推荐的个性化,然后在确定的邻居数据集上利用基于项目的算法模型进行推荐。最后将这种新算法和基于项目的协同过滤算法进行比较,实验结果表明这种新算法只用一少部分部分的最相似邻居用户就能得到基于项目算法的推荐质量,而且要比基于项目的推荐更加个性化。     

基于中心节点重叠社区发现的协同过滤推荐系统

针对传统协同过滤中对整个用户网络进行运算的数据量较大、推荐效率不高的问题,将用户-项目二分网转化为由用户构成的社会网络,基于中心节点重叠社区发现的思想进行加权网社区划分以充分利用网络结构信息。在社区内部采用加权相似度与top-n算法相结合的方法进行项目推荐,并将Movie Lens数据集作为测试数据。通过与传统协同过滤的对比可见,基于中心节点重叠社区发现的top-n算法的个性化推荐方法在保证推荐精度的前提下,使推荐效率得到大幅度提升。