平台算法推荐的多元逻辑与治理路径

　　技术迭代改变了信息传播方式。数智时代，算法推荐成为用户获取信息的主要渠道，深度嵌入社会信息传播的机理。算法有效解决了信息过载问题，促进信息、场景与人的匹配，重构信息传播模式，改变用户信息消费习惯，继而深度影响意识形态，具有收益与风险并存的正反二重性。

　　商业平台推荐算法遵循工具理性与效益优先原则，从平台优先与资本增值的基本点出发，实现精准传播与定制化服务，大致包括四种推荐逻辑：其一，基于内容的推荐，根据用户的浏览记录推荐内容；其二，基于用户相似度的协同过滤推荐，根据用户的历史选择信息与兴趣爱好相同的其他用户的偏好协同推荐信息；其三，基于深度学习算法推荐，通过用户社交网络、消费场景与上下文语境等复杂数据的挖掘与学习，使用卷积神经网络、循环神经网络与多层感知机等模型方法推荐信息；其四，基于集成各种算法优点的混合算法推荐，即将不同算法优化混合、调整不同算法权重混合、根据场景与用户状态切换混合等提升推荐的准确性。

　　尽管算法推荐能在很大程度上提升信息传播效率，但其对于个体利益、社会秩序乃至国家安全的负面效应不容忽视。就个体层面而言，算法依赖用户消费与行为数据，可能导致信息泄露与隐私侵犯；用户对算法推荐的高度依赖，可能造成用户主体性丧失。就社会层面而言，相似度推荐造成信息茧房与过滤气泡，甚至是社群区隔与群体极化现象，基于公众利益的公共传播演变为基于商业利益的定制化推荐，传播的公共性式微。就国家层面而言，算法可能推送虚假信息，造成舆情极化，从而威胁意识形态安全；算法训练数据的偏见性，可能造成算法歧视与价值观偏离风险。

　　针对算法推荐的弊端，要从技术规制、平台自律、法律规范、用户素养等多维路径优化算法推荐，在算法设计与运行等环节加强算法治理。针对算法歧视，算法推荐要融合价值理性与工具理性，在设计层面推动算法透明、算法正义与算法向善；针对推荐内容低质与庸俗化，平台应增强社会责任，摒弃商业利益至上原则；针对隐私与个人信息保护问题，相关部门应加强算法与信息保护方面的立法，增强算法的安全性标准与透明度；针对算法造成舆论极化现象，用户要提高算法素养，理解算法运行机制与负面效应。

　　作者简介：肖叶飞，安徽大学新闻传播学院教授、博士生导师。

　　本文引用格式参考：

　　[1]肖叶飞.平台算法推荐的多元逻辑与治理路径[J].传媒论坛,2025,8(05):3.

平台算法优化研究

新媒体环境下个性化新闻推荐算法的优化研究

　　摘要：随着新媒体技术的迅猛发展，个性化新闻推荐算法在信息传播中扮演着越来越重要的角色。深入探讨当前个性化新闻推荐算法的应用现状及其局限性，重点分析优化用户画像构建、提升内容与用户兴趣匹配度、多样化推荐等关键技术。同时，基于深度学习的个性化推荐系统的优势，提出了深度学习模型的优化策略；基于多源数据融合在推荐系统中的应用，提出了大数据背景下的算法优化策略和数据安全与隐私保护的解决方案。

　　作者简介：

　　李斯茗，西安工程大学；姒晓霞，西安工程大学副教授。

算法推送下舆情信息圈层化传播风险生成及应对策略

　　摘要：随着互联网技术的飞速发展，算法推送技术已成为网络信息传播的重要驱动力。它不仅影响着信息的传播速度、广度和深度，还深刻改变着信息生态的结构与特征。通过对算法推送下舆情信息圈层化传播的风险生成进行深入研究，总结出算法推送下舆情信息圈层化传播的风险，包括虚假信息传播下的舆情误导、社会舆论撕裂下的群体极化、意识形态操控下的权力滥用等，并从算法设计、用户行为、信息传播路径三个维度探讨其风险的生成机理，最后从技术、用户、社会三个层面提出风险应对策略，为当前复杂的舆情态势应对提供依据。

　　作者简介：

　　赵麟珊，中国人民警察大学硕士研究生；

　　窦云莲（通讯作者），中国人民警察大学讲师，硕士；

　　韩国柱，中国人民警察大学讲师，博士在读；

　　杜琨，中国人民警察大学讲师，硕士。

算法推荐对用户短视频成瘾的影响及优化策略

———以TikTok平台为例

　　摘要：探讨算法推荐对用户短视频成瘾行为的影响，并以短视频平台TikTok为研究对象进行深入评估。研究采用问卷调查，通过对短视频平台用户行为特征的细致研究，集中分析了算法推荐、信息茧房和平台依赖之间的关系。具体而言，算法推荐通过提供极度个性化的内容，提高了用户的阻滞感和依赖性；信息茧房则限制了个体获取多样化信息的能力，加剧了认知限制和行为依赖。优化算法推荐系统，如引入随机内容推荐或用户自定义过滤器，有助于减少信息茧房的负面影响，缓解用户沉迷现象。

　　作者简介：

　　王赞霖，马来西亚泰来大学硕士研究生；

　　韩虓（通讯作者），辽宁大学广播影视学院讲师，博士。