隨著通信技術(shù)的更新、線上經(jīng)濟(jì)的發(fā)展、配套生態(tài)的完善，網(wǎng)絡(luò)參與在人們?nèi)粘Ｉ钪姓紦?jù)的比重日漸增大。談及其中出現(xiàn)頻率極高的社交網(wǎng)絡(luò)平臺，其隨著用戶體量的增長，日均產(chǎn)生海量內(nèi)容，在平臺以建立維護(hù)用戶人際關(guān)系連接的基礎(chǔ)上，用戶產(chǎn)生的龐大數(shù)據(jù)形成了公共輿論表達(dá)的場所。對于這些海量數(shù)據(jù)，平臺如何處理、調(diào)配分發(fā)？本文將簡要介紹主流社交網(wǎng)絡(luò)平臺內(nèi)容分發(fā)算法類型，以及調(diào)動廣泛社會關(guān)注的謠言又是如何在相應(yīng)算法機(jī)制下傳播的問題。

一、內(nèi)容分發(fā)算法類型

1、網(wǎng)絡(luò)信息內(nèi)容服務(wù)平臺重點(diǎn)環(huán)節(jié)的推薦算法

根據(jù)2019年發(fā)布的《網(wǎng)絡(luò)信息內(nèi)容生態(tài)治理規(guī)定》，其中提到鼓勵網(wǎng)絡(luò)信息內(nèi)容服務(wù)平臺在重點(diǎn)環(huán)節(jié)（包括服務(wù)類型、位置版塊等），如在平臺首頁、精選、熱門、榜單類頁面積極呈現(xiàn)重大政策解讀、展示經(jīng)濟(jì)社會發(fā)展亮點(diǎn)、有效回應(yīng)社會關(guān)切等信息。這部分內(nèi)容一般通過站方自定義的推薦算法（如根據(jù)一定時(shí)間內(nèi)的互動數(shù)或閱讀數(shù)）+人工推薦、人工審核的方式來呈現(xiàn)，占據(jù)站內(nèi)流量大頭。

2、 網(wǎng)絡(luò)信息內(nèi)容服務(wù)平臺自然傳播推薦算法

社交平臺采取算法對內(nèi)容展現(xiàn)進(jìn)行處理，表層是優(yōu)化用戶體驗(yàn)，背后的原則來自于本身產(chǎn)品的商業(yè)需要。目前主流社交平臺的盈利方式大多是廣告投放，用戶越多越活躍，廣告商投放的廣告有效性更強(qiáng)，平臺集聚的大數(shù)據(jù)優(yōu)勢也使商業(yè)廣告能夠?qū)崿F(xiàn)對個(gè)人的投放，精準(zhǔn)性優(yōu)勢明顯。平臺希望盡可能地吸納新用戶、留存老用戶，以爭奪用戶注意力與使用依賴作為商業(yè)交易籌碼，擴(kuò)大用戶流量創(chuàng)造商業(yè)價(jià)值。了解上述背景后，以下再簡要介紹幾種較為常見的平臺自然傳播推薦算法：

①基于用戶興趣的協(xié)同過濾推薦算法

在短視頻社交類產(chǎn)品中基于用戶興趣的信息分發(fā)方式較為常見，這種協(xié)同過濾依靠識別分析、貼標(biāo)簽、分類、推薦的邏輯動作運(yùn)行。一種首先定義整理用戶喜好的領(lǐng)域、內(nèi)容，再對站內(nèi)內(nèi)容標(biāo)簽化處理，投其所好將相應(yīng)內(nèi)容推薦給用戶；另一種則是識別分析用戶行為、建立畫像，將用戶進(jìn)行區(qū)分再群體歸類，最后分發(fā)信息。例如把某個(gè)用戶喜好的內(nèi)容推薦給與其相似的用戶，實(shí)現(xiàn)該內(nèi)容在同一用戶圈層內(nèi)的傳播。

②基于用戶關(guān)系的協(xié)同過濾推薦算法

edge rank算法，即內(nèi)容的展現(xiàn)受發(fā)布者與用戶的親密程度、互動程度、時(shí)間三大因素影響，表現(xiàn)為在使用社交產(chǎn)品時(shí)與用戶社交連接較強(qiáng)的人，如好友、關(guān)注者發(fā)布的內(nèi)容會優(yōu)先呈現(xiàn)。

page rank算法，借鑒的是學(xué)術(shù)論文重要性的評估方法，即內(nèi)容被引用的次數(shù)越多其所占據(jù)的權(quán)重就會越高，如果一個(gè)本身權(quán)重高的內(nèi)容引用到另一內(nèi)容，被引用者的權(quán)重也會相應(yīng)提高，這種內(nèi)容處理方式在網(wǎng)絡(luò)意見領(lǐng)袖的傳播影響力中表現(xiàn)得較為明顯。

③基于互動情況的推薦算法

此種信息分發(fā)方式主要是對內(nèi)容引發(fā)的互動行為進(jìn)行評估，將高互動率的信息分發(fā)擴(kuò)散。例如某內(nèi)容實(shí)時(shí)吸引了一定用戶觀看停留、點(diǎn)贊、評論、轉(zhuǎn)發(fā)、收藏等動作，對比其他內(nèi)容呈現(xiàn)出的高互動率使系統(tǒng)將其推送給更多用戶，這種依靠用戶互動的篩選機(jī)制促成熱度的集聚、信息的再生產(chǎn)及傳播。

目前在一般的社交平臺中，往往都是綜合使用多種內(nèi)容分發(fā)算法來實(shí)現(xiàn)精準(zhǔn)預(yù)測和推薦。

二、與謠言類輿情傳播的關(guān)系

1、重點(diǎn)環(huán)節(jié)信息分發(fā)失誤造成的疾速傳謠

在內(nèi)容服務(wù)平臺重點(diǎn)環(huán)節(jié)的信息推薦這一層面，從用戶日常體驗(yàn)來看，這部分的信息選擇各平臺有著較大差異性，存在很強(qiáng)的內(nèi)容服務(wù)平臺自控因素，如果在曝光強(qiáng)勢的重點(diǎn)環(huán)節(jié)的信息展現(xiàn)出現(xiàn)失誤，很可能導(dǎo)致謠言的迅速傳播。

2、自然傳播：過濾氣泡易形成群體極化的傳謠環(huán)境

而從平臺自然傳播的內(nèi)容分發(fā)算法的規(guī)則來看，其運(yùn)作出發(fā)點(diǎn)基本使圍繞用戶個(gè)人的社交關(guān)系偏好、內(nèi)容偏好以及內(nèi)容本身的關(guān)注競爭力兩個(gè)維度展開。

一方面圍繞用戶個(gè)人而開展的內(nèi)容分發(fā)容易產(chǎn)生過濾氣泡，即在算法的推薦機(jī)制下，面向用戶喜好產(chǎn)生的信息流形成類似氣泡的隔離功能，使每個(gè)人被固定在各自的信息孤島上。除此之外，最初由用戶行為對內(nèi)容的主動選擇經(jīng)過推薦算法的識別加強(qiáng)，不單是在內(nèi)容上讓用戶只看到自己想看的信息形成繭房，而且依照社交網(wǎng)絡(luò)平臺以用戶關(guān)系進(jìn)行信息分享的基礎(chǔ)規(guī)則，相同相似觀點(diǎn)、態(tài)度的用戶通常會聚集形成圈層化結(jié)構(gòu)，容易產(chǎn)生群體極化行為，對于謠言類輿情，如果易情緒化、嗜謠的群體中有人捕捉到謠言進(jìn)行傳播，通過群體趨同，謠言醞釀到爆發(fā)的進(jìn)程就會被大大縮短。

3、自然傳播：高互動內(nèi)容篩選機(jī)制造成的傳謠加速

另一方面，從高互動率競爭的內(nèi)容分發(fā)機(jī)制方面來說，在前述已經(jīng)經(jīng)過群體傳播的謠言類內(nèi)容會在實(shí)時(shí)中呈現(xiàn)較高的互動率，而謠言信息本身往往又帶有易刺激用戶情感、挑戰(zhàn)常識認(rèn)知的特點(diǎn)，促使網(wǎng)民出于求證事件真?zhèn)?、作為社交手段、展現(xiàn)自身信息優(yōu)勢等各異的原因加速傳播進(jìn)程，兩方疊加造成互動率的快速攀升從而導(dǎo)致謠言從群體傳播在短時(shí)間內(nèi)實(shí)現(xiàn)破圈層傳播，甚至引發(fā)全網(wǎng)轟動的大規(guī)模輿情。

4、 算法控制：“信息杰利蠑螈”效應(yīng)產(chǎn)生差異化的輿論表達(dá)

除了以上為加強(qiáng)用戶粘性、改善社交產(chǎn)品盈利情況產(chǎn)生的協(xié)同過濾與互動率篩選算法機(jī)制，也不得不重點(diǎn)關(guān)注對算法本身的監(jiān)管，如果平臺方人為控制算法，可能會引發(fā)“信息杰利蠑螈”效應(yīng)，從而引發(fā)不正確的集體記憶。簡單來說，“信息杰利蠑螈”效應(yīng)即通過控制社交網(wǎng)絡(luò)上用戶的社交關(guān)系鏈接和內(nèi)容展現(xiàn)，可以使用戶對某個(gè)事件支持者的多寡分布認(rèn)知造成偏差，最終產(chǎn)生完全不同的輿論表達(dá)結(jié)果。

如下圖所示，本來10個(gè)人持有橙色觀點(diǎn)，8個(gè)人持有藍(lán)色觀點(diǎn)，在隨機(jī)網(wǎng)絡(luò)下人們通過好友也能大致了解這個(gè)比例（a區(qū)）；但在過濾氣泡影響下，持有相同觀點(diǎn)看法的用戶會聚集起來形成兩大抗衡群體（b區(qū)）；而通過控制用戶的好友關(guān)系和看到的內(nèi)容后，12個(gè)人會認(rèn)為大部分人都支持藍(lán)色觀點(diǎn)，而6個(gè)人會認(rèn)為所有人都支持橙色觀點(diǎn)（c區(qū)）。這種經(jīng)過算法控制對用戶的信息認(rèn)知產(chǎn)生改變，從而影響社交網(wǎng)絡(luò)上輿論，民意的整體表達(dá)。

三、小結(jié)

從謠言類輿情的產(chǎn)生過程中，社交網(wǎng)絡(luò)內(nèi)容分發(fā)算法成為了一大助推力量，平臺短時(shí)間內(nèi)產(chǎn)生了巨量的流量波動，以謠言調(diào)動的高用戶活躍度、“吃瓜”吸引而來的用戶數(shù)量卻對網(wǎng)絡(luò)輿論生態(tài)生成了確實(shí)的威脅。而目前在對謠言信息的管控方面，還常易出現(xiàn)審核缺位、內(nèi)容審核機(jī)制混亂、有害信息管控滯后、無關(guān)信息失誤管控等現(xiàn)象，此外在社交平臺內(nèi)容分發(fā)的實(shí)際應(yīng)用中，更多的往往是多種算法相結(jié)合對信息實(shí)現(xiàn)差異化展現(xiàn)，分眾化傳播，其復(fù)雜性給謠言控制和對算法本身的監(jiān)管都提出了更大挑戰(zhàn)。

（部分文字、圖片來自網(wǎng)絡(luò)，如涉及侵權(quán)，請及時(shí)與我們聯(lián)系，我們會在第一時(shí)間刪除或處理侵權(quán)內(nèi)容。電話：4006770986    負(fù)責(zé)人：張明）