论文部分内容阅读
【摘要】对大众来说，随着移动互联网的普及、社交媒体的盛行，原本的信息匮乏转向当前的信息过载。在这种情况下，针对分类目录和搜索引擎的不足，算法推荐出现了。算法推荐也正在构建信息分发的新策略。本文将要探讨的就是在“用戶至上”理念的今天，算法推荐新闻中，用户地位如何变化，以及算法推荐新闻带来的一些用户问题。
【关键词】算法;推荐新闻;用户地位;个性化定制
中图分类号：TN929 文献标识码：A DOI：10.12246/j.issn.1673-0348.2021.04.017
1. 用户的“脱域”与“嵌入”
1.1 算法推荐新闻的技术赋权
Web2.0、云计算、媒体融合、大数据等技术和理念的发展，使得算法推荐向更精准更完善方向发展。基于移动互联网的普及，用户拥有了随时随地接受、分发信息的权力。
“技术赋权”是在新媒体盛行下提出的新理念。不仅仅是赋予“话语权”，笔者认为技术赋予更多的是“选择权”。就像尼葛洛庞帝在《数字化生存》中谈到“技术赋权”“技术分权”一样，算法推荐新闻这个“技术”也给了用户一些“选择权”。谈到“算法推荐新闻”就要谈到“个性化推荐”。个性化推荐以过滤协同技术为工具，成为解决信息过剩问题一个有效手段。在这里，用户能自由“脱域”与“嵌入”。
1.2 用户的选择权
吉登斯在《现代性与自我认同》提出“脱域”，“脱域”是指社会关系从彼此互动的地域性关联中，从通过对不确定的时间的无限穿越而被重构的关联中“脱离出来”。脱域是吉登斯所列的三个“现代性的极度推动力”之一，其他两个是“时空分离”、“知识的反思性运用”。脱域是由时空分离所造成的“虚化”和“缺场”引起的，社会关系从有限的地方性场景中“剥离出来”，从而能跨越广阔的时间—空间距离去重新组织社会关系。
算法新闻可以说是顺应互联网发展而出现的新闻分发模式。一定程度上，算法新闻可以帮助用户解决信息过载问题。基于用户画像，有针对性的推荐信息并且给用户提供个性化服务——“信息的个人化定制，高度聚合的新闻信息和社交阅读模式”。
2. 用户的隐私让渡个性化服务
算法新闻的个性化服务一个必要条件就是需要搜集大量用户隐私。这些隐私一部分是用户愿意给予的“显性信息”，另一些则是用户自己也没有发现的“隐性信息”。在注册新软件时，我们总会遇到“我已经详细阅读相关隐私条例并且同意使用”。但其中又会有多少人会点开条例逐条分析，我们的“隐性信息”在这时，已被平台获取，用以形成用户的个性化服务。
2.1 用户更倾向于算法推荐
20世纪50年代，“传播学之父”施拉姆提出描述受众对传播媒介的倾向性公式：选择的或然率=报偿的保证/费力程度。“传统的新闻生产和传播模式的局限使得诸多用户的个性化信息需求无法得到满足……算法技术应用到新闻领域后……与阅读者兴趣相匹配的文章数量从14%提高到52%”。
从公式中我们可以看到，费力程度越低，受众选择倾向性越高。算法推荐契合了受众花费更少精力获取更多回报的心理。
2.2 用户面临“大数据杀熟”问题
“大数据杀熟”是2018年开始被广泛热议的话题。所谓“大数据杀熟”，是指互联网商家利用大数据技术，对自身所拥有的用户数据信息作深度分析，对分析出对客户消费习惯进行分类，进而对老用户实行有针对性的“价格歧视”。算法是一级价格歧视实现的工具。这种“杀熟”现象在电商平台、付费订阅平台如携程旅行、淘宝88VIP等平台。
算法通过分析用户画像以及用户黏性，提升“老顾客”的忠诚度，发展“潜在顾客”。在算法盛行的当下，“数据垄断”“算法间默示共谋”成了商家之间心照不宣的意识交流。而且目前来看，关于”杀熟“现象并没有很好的治理措施。尽管商家之间没有达成垄断协议，但已经起到了垄断效果。
“权利的本质是一种社会关系，是一主体运用其资源对其他主体具有的强制性影响力和控制力”。从这个角度来看，算法推荐新闻是平台对于用户的一种潜移默化的“控制”。用户自以为是“主动性”参与新闻的讨论、转发、分享环节，但用户看到的新闻依旧是平台利用算法技术加工后的产物，用户受到平台影响和控制。
2.3 用户隐私泄露问题
“授权”是用户在使用软件时经常碰到的事情。平台通过收集用户环境特征，进一步完善用户画像。比如用户性别、年龄、职业、地理位置、手机机型、网络环境等信息。除了这些，软件使用过程中，会要求用户授权相机、麦克风、蓝牙的权限。
用户将个人信息授权给平台，签订的“隐私保护协议”，平台理应要在保密的前提下，为用户提供个性化服务。过去报纸的“二次售卖”理论，放到算法推荐来看，依旧成立。简而言之，第一次售卖，媒介向受众提供信息，满足受众对信息的需求，消除受信者的随机不确定性，这里售卖的是信息，信息是商品。第二次售卖，将受众的注意力，售卖给广告商。受众的注意力是商品。就目前来看，算法推荐方便了用户发现信息，但也方便了广告商发现用户。
3. 算法新闻中的“信息茧房”效应
在之前关于算法推荐新闻的研究中，一些学者认为：“千人千面”的信息环境帮助受众更好获取信息，拓展视野。而另一些学者担忧：同类信息充斥，会导致“信息茧房”效应，不利于受众对真实世界意识形态的建构。算法推荐在技术上或者伦理道德方面，都伴随着“称赞和威胁”。随着算法技术的不断完善，信息同质化现象、“回音壁效应”可以得到解决。所以，关于算法推荐是否会导致“信息茧房”，是我们要重新思考的问题。 3.1 技术优化，人+算法共同把关
我们以《今日头条》为例。《今日头条》目前信息来源主要有两个方面：PGC、UCG。对于专业生产内容的审核主要是内容审核，没有问题就进行大范围推荐。对于用户生产内容，在进行内容审核通过之后，再进行二次审核，通过之后进行大范围推荐。如果信息收到多次举报和投诉之后，又会进入人工复审环节。这一过程有算法本身的过滤，也有把关人的控制。
对于分享风险内容识别，《今日头条》采取了鉴黄模型、谩骂模型、低俗模型。对于范低质内容识别，则是对评论做情感分析，结合用户对它的负反馈信息（踩、屏蔽、不喜欢）等行为，解决很多语意上低质信息。人工复审帮助召回更多低质内容。《今日头条》表示，低质模型准确率有70%，召回率有60%，结合人工复审召回率可达95%。
3.2 算法推荐中，“信息茧房”效应并不是一定的
2019年7月到8月，有学者通过配额抽样方法，对获得的400份有代表性的今日头条用户数据进行问卷调查及分析。得出的结论是，算法推荐不是一定会导致“信息茧房”。文章认为，用户经常使用一种平台获取新闻信息，算法推荐会更加频繁推荐同类信息。这似乎符合“信息茧房效应”。但另一方面，用户会主动搜索信息，拓展视野，丰富信息来源和种类。
如今算法技术但更新，使得在推荐时不会只按照用户观看习惯一种向量。比如淘宝网，当搜索“伴手礼”时，出现的不仅仅是“伴手礼”，还会有敬酒服、婚礼糖果等一系列跟“伴手礼”相关的推荐。这是算法技术為了防止“信息窄化”出现的一种分工方式。算法新闻也是如此，当用户在挑选跟篮球相关的新闻，首页会推荐中外国家的篮球比赛、篮球明星的新闻、以及篮球周边的广告。
3.3 用户的行为反馈
与传统媒体相比较，新媒体一个最大的变革之一就是用户的反馈及时。当然，随着互联程度的加深，这种“及时”正在向“即时”转变。用户在平台关于新闻信息内容和形式的选择是可以立马表现出来的。“注意力经济”正在成为各大平台争夺的目标。抖音爆红的一个关键就是易操作、易社交、易选择。单机暂停/播放，“双击”点赞表示喜欢，长按屏幕可以选择不喜欢。对于内容和评论也有屏蔽和举报功能，更便捷操作，降低了对用户进入的门槛。
4. 增强算法意识，培养用户主动性
从一些研究中可以看出，一部分公众有意识到系统推荐内容符合自己的心里期待。但是更多是被动接受这些相关推荐。培养用户媒介素养，不仅需要公众有辨别和判断虚假新闻能力，也要培养用户“寻求”信息的主动性。
4.1 优化推荐技术，摆脱技术牢笼
算法推荐给用户选择信息提供了便利，对于技术上的桎梏，也可以通过优化技术来解决。优化算法技术，丰富新闻多样性，对于新闻的采集和分发，都要有相应技术的更新和提高。“人机协同”是伴随人工智能出现的新概念。旨在更好的收集信息、解析信息、互通信息、融合信息、智能决策。算法推荐新闻中，算法程序是人为设定，关于信息审核标准也是人根据图片、文字、语义内涵设定，在复审环节也离不开人工审核。新闻“把关人”在算法程序和算法反馈中，应该占有更有效的地位，防止算法偏见。
4.2 算法透明化，反数据垄断
获取个人信息的争夺战一直是各大平台上演的。一些平台通过垄断用户数据增强用户对平台的忠诚度和黏性。但就目前来看，“大数据杀熟”这种情况不容易界定，争夺用户“注意力经济”怎样情况才算恶性竞争？对于平台间“算法默示共谋”现象如何界定？这些对于法律法律的制定都有相当大的阻碍。
算法介入到新闻生产、信息分发领域，由于存在隐蔽性极强的“技术黑箱”，公众往往难以理解新闻生产的过程，无法对基于算法生产和推送的新闻进行独立判断，也就无法有效的监督算法的使用，防范算法带来的危险。
4.3 关注隐私保护，用户至上
大数据时代，隐私泄露正在成为棘手问题。特别是被泄露隐私的用户数量庞大，且大部分人不知道信息何时何地被泄露，也不知道从哪里维权。我们在享受“个性化服务”的同时，也在用私人信息泄露作为额外代价。
平台对于用户隐私的保护不仅是从技术层面，也要从服务层面。平台上不乏“客服”人员，后台客服可以轻而易举得到用户姓名、证件号码、电话号码、软件使用情况等等信息。所以，不光要从技术层面比如防火墙来保护用户信息，服务层面也要并重。
4.4 提升媒介素养，培养用户主动性
算法推荐新闻是技术的革新，是新闻业范式的革新，但是对于信息的需求，依旧是以用户为核心。如今新闻信息平台以多种形式呈现新闻：文字、图片、视频及其组合方式。对于用户来说，获取信息、传播信息、发表观点的途径简单又便捷。
用户在享受算法推荐带来的便利时，也要意识到作为个体对新闻的价值判断。获取新闻不能被动选择算法推荐内容，从不同平台关注新闻事件全貌。对平台方而言，平台对于内容形式的策划、内容质量的把关、舆论价值的引导具有不可推卸的社会责任。
5. 结语
大数据技术优势改变来新闻信息传播方式，使其变得更加高效，对新闻传媒格局造成了显著影响。媒介技术的革新势必会带来积极、消极至少两方面影响。对于其规避措施，除了法律条例的保障，还有通过技术的进化完善技术的弊端。还有重要的一点发挥人的主观能动性，在新闻生产、分发的各个环节，离不开人类的生产力。但人类对于新闻事件有“刻板成见”，也需要机器完成繁琐复杂的计算和分类。“人机协同”是一个值得发展的趋势。
用户既是新闻信息的“信宿”，也是新闻信息的“信源”，是各大平台的服务对象和经济来源。对于用户地位，在平台和广告商眼里，是服务的对象，对用户自身而言，个人发展才是主要的。对新闻信息的了解，可以帮助更好建构对世界的宏观认识，对发展前途更多元对选择，也是对现实更好对理解。
参考文献：
[1]陈昌凤，师文.个性化新闻推荐算法的技术解读与价值探讨[J].中国编辑，2018，（10）：9-14.
[2]来源：百度百科.
[3]胡歆宸. 《今日头条》算法推荐媒介伦理问题研究[D].湘潭大学，2019.
[4]杨灿.算法推荐新闻对用户的影响及对策[J].新媒体研究，2020，6（10）：45-47+60.
[5]俞灵琦.大数据带来的是“精准定位”还是“价格歧视”？[J].华东科技，2019（12）：46-47.
[6]沈亮亮.算法在市场竞争中的应用与法律难题——从大数据杀熟谈起[J].太原学院学报（社会科学版），2019，20（03）：26-31.
[7]邹开亮，彭榕杰.大数据“杀熟”的法律定性及其规制——基于“算法”规制与消费者权益保护的二维视角[J].金融经济，2020（07）：51-57.
[8]杨洸，佘佳玲.新闻算法推荐的信息可见性、用户主动性与信息茧房效应：算法与用户互动的视角[J].新闻大学，2020（02）：102-118+123.
[9]林爱珺，刘运红.智能新闻信息分发中的算法偏见与伦理规制[J].新闻大学，2020（01）：29-39+125-126.
[10]吴晓霞. 聚合类新闻客户端的个性化新闻推荐研究[D].黑龙江大学，2017.
作者简介：白梁艳 安徽蚌埠人，安庆师范大学2020级硕士研究生，新闻传播专业，研究方向：新闻与传播
【关键词】算法;推荐新闻;用户地位;个性化定制
中图分类号：TN929 文献标识码：A DOI：10.12246/j.issn.1673-0348.2021.04.017
1. 用户的“脱域”与“嵌入”
1.1 算法推荐新闻的技术赋权
Web2.0、云计算、媒体融合、大数据等技术和理念的发展，使得算法推荐向更精准更完善方向发展。基于移动互联网的普及，用户拥有了随时随地接受、分发信息的权力。
“技术赋权”是在新媒体盛行下提出的新理念。不仅仅是赋予“话语权”，笔者认为技术赋予更多的是“选择权”。就像尼葛洛庞帝在《数字化生存》中谈到“技术赋权”“技术分权”一样，算法推荐新闻这个“技术”也给了用户一些“选择权”。谈到“算法推荐新闻”就要谈到“个性化推荐”。个性化推荐以过滤协同技术为工具，成为解决信息过剩问题一个有效手段。在这里，用户能自由“脱域”与“嵌入”。
1.2 用户的选择权
吉登斯在《现代性与自我认同》提出“脱域”，“脱域”是指社会关系从彼此互动的地域性关联中，从通过对不确定的时间的无限穿越而被重构的关联中“脱离出来”。脱域是吉登斯所列的三个“现代性的极度推动力”之一，其他两个是“时空分离”、“知识的反思性运用”。脱域是由时空分离所造成的“虚化”和“缺场”引起的，社会关系从有限的地方性场景中“剥离出来”，从而能跨越广阔的时间—空间距离去重新组织社会关系。
算法新闻可以说是顺应互联网发展而出现的新闻分发模式。一定程度上，算法新闻可以帮助用户解决信息过载问题。基于用户画像，有针对性的推荐信息并且给用户提供个性化服务——“信息的个人化定制，高度聚合的新闻信息和社交阅读模式”。
2. 用户的隐私让渡个性化服务
算法新闻的个性化服务一个必要条件就是需要搜集大量用户隐私。这些隐私一部分是用户愿意给予的“显性信息”，另一些则是用户自己也没有发现的“隐性信息”。在注册新软件时，我们总会遇到“我已经详细阅读相关隐私条例并且同意使用”。但其中又会有多少人会点开条例逐条分析，我们的“隐性信息”在这时，已被平台获取，用以形成用户的个性化服务。
2.1 用户更倾向于算法推荐
20世纪50年代，“传播学之父”施拉姆提出描述受众对传播媒介的倾向性公式：选择的或然率=报偿的保证/费力程度。“传统的新闻生产和传播模式的局限使得诸多用户的个性化信息需求无法得到满足……算法技术应用到新闻领域后……与阅读者兴趣相匹配的文章数量从14%提高到52%”。
从公式中我们可以看到，费力程度越低，受众选择倾向性越高。算法推荐契合了受众花费更少精力获取更多回报的心理。
2.2 用户面临“大数据杀熟”问题
“大数据杀熟”是2018年开始被广泛热议的话题。所谓“大数据杀熟”，是指互联网商家利用大数据技术，对自身所拥有的用户数据信息作深度分析，对分析出对客户消费习惯进行分类，进而对老用户实行有针对性的“价格歧视”。算法是一级价格歧视实现的工具。这种“杀熟”现象在电商平台、付费订阅平台如携程旅行、淘宝88VIP等平台。
算法通过分析用户画像以及用户黏性，提升“老顾客”的忠诚度，发展“潜在顾客”。在算法盛行的当下，“数据垄断”“算法间默示共谋”成了商家之间心照不宣的意识交流。而且目前来看，关于”杀熟“现象并没有很好的治理措施。尽管商家之间没有达成垄断协议，但已经起到了垄断效果。
“权利的本质是一种社会关系，是一主体运用其资源对其他主体具有的强制性影响力和控制力”。从这个角度来看，算法推荐新闻是平台对于用户的一种潜移默化的“控制”。用户自以为是“主动性”参与新闻的讨论、转发、分享环节，但用户看到的新闻依旧是平台利用算法技术加工后的产物，用户受到平台影响和控制。
2.3 用户隐私泄露问题
“授权”是用户在使用软件时经常碰到的事情。平台通过收集用户环境特征，进一步完善用户画像。比如用户性别、年龄、职业、地理位置、手机机型、网络环境等信息。除了这些，软件使用过程中，会要求用户授权相机、麦克风、蓝牙的权限。
用户将个人信息授权给平台，签订的“隐私保护协议”，平台理应要在保密的前提下，为用户提供个性化服务。过去报纸的“二次售卖”理论，放到算法推荐来看，依旧成立。简而言之，第一次售卖，媒介向受众提供信息，满足受众对信息的需求，消除受信者的随机不确定性，这里售卖的是信息，信息是商品。第二次售卖，将受众的注意力，售卖给广告商。受众的注意力是商品。就目前来看，算法推荐方便了用户发现信息，但也方便了广告商发现用户。
3. 算法新闻中的“信息茧房”效应
在之前关于算法推荐新闻的研究中，一些学者认为：“千人千面”的信息环境帮助受众更好获取信息，拓展视野。而另一些学者担忧：同类信息充斥，会导致“信息茧房”效应，不利于受众对真实世界意识形态的建构。算法推荐在技术上或者伦理道德方面，都伴随着“称赞和威胁”。随着算法技术的不断完善，信息同质化现象、“回音壁效应”可以得到解决。所以，关于算法推荐是否会导致“信息茧房”，是我们要重新思考的问题。 3.1 技术优化，人+算法共同把关
我们以《今日头条》为例。《今日头条》目前信息来源主要有两个方面：PGC、UCG。对于专业生产内容的审核主要是内容审核，没有问题就进行大范围推荐。对于用户生产内容，在进行内容审核通过之后，再进行二次审核，通过之后进行大范围推荐。如果信息收到多次举报和投诉之后，又会进入人工复审环节。这一过程有算法本身的过滤，也有把关人的控制。
对于分享风险内容识别，《今日头条》采取了鉴黄模型、谩骂模型、低俗模型。对于范低质内容识别，则是对评论做情感分析，结合用户对它的负反馈信息（踩、屏蔽、不喜欢）等行为，解决很多语意上低质信息。人工复审帮助召回更多低质内容。《今日头条》表示，低质模型准确率有70%，召回率有60%，结合人工复审召回率可达95%。
3.2 算法推荐中，“信息茧房”效应并不是一定的
2019年7月到8月，有学者通过配额抽样方法，对获得的400份有代表性的今日头条用户数据进行问卷调查及分析。得出的结论是，算法推荐不是一定会导致“信息茧房”。文章认为，用户经常使用一种平台获取新闻信息，算法推荐会更加频繁推荐同类信息。这似乎符合“信息茧房效应”。但另一方面，用户会主动搜索信息，拓展视野，丰富信息来源和种类。
如今算法技术但更新，使得在推荐时不会只按照用户观看习惯一种向量。比如淘宝网，当搜索“伴手礼”时，出现的不仅仅是“伴手礼”，还会有敬酒服、婚礼糖果等一系列跟“伴手礼”相关的推荐。这是算法技术為了防止“信息窄化”出现的一种分工方式。算法新闻也是如此，当用户在挑选跟篮球相关的新闻，首页会推荐中外国家的篮球比赛、篮球明星的新闻、以及篮球周边的广告。
3.3 用户的行为反馈
与传统媒体相比较，新媒体一个最大的变革之一就是用户的反馈及时。当然，随着互联程度的加深，这种“及时”正在向“即时”转变。用户在平台关于新闻信息内容和形式的选择是可以立马表现出来的。“注意力经济”正在成为各大平台争夺的目标。抖音爆红的一个关键就是易操作、易社交、易选择。单机暂停/播放，“双击”点赞表示喜欢，长按屏幕可以选择不喜欢。对于内容和评论也有屏蔽和举报功能，更便捷操作，降低了对用户进入的门槛。
4. 增强算法意识，培养用户主动性
从一些研究中可以看出，一部分公众有意识到系统推荐内容符合自己的心里期待。但是更多是被动接受这些相关推荐。培养用户媒介素养，不仅需要公众有辨别和判断虚假新闻能力，也要培养用户“寻求”信息的主动性。
4.1 优化推荐技术，摆脱技术牢笼
算法推荐给用户选择信息提供了便利，对于技术上的桎梏，也可以通过优化技术来解决。优化算法技术，丰富新闻多样性，对于新闻的采集和分发，都要有相应技术的更新和提高。“人机协同”是伴随人工智能出现的新概念。旨在更好的收集信息、解析信息、互通信息、融合信息、智能决策。算法推荐新闻中，算法程序是人为设定，关于信息审核标准也是人根据图片、文字、语义内涵设定，在复审环节也离不开人工审核。新闻“把关人”在算法程序和算法反馈中，应该占有更有效的地位，防止算法偏见。
4.2 算法透明化，反数据垄断
获取个人信息的争夺战一直是各大平台上演的。一些平台通过垄断用户数据增强用户对平台的忠诚度和黏性。但就目前来看，“大数据杀熟”这种情况不容易界定，争夺用户“注意力经济”怎样情况才算恶性竞争？对于平台间“算法默示共谋”现象如何界定？这些对于法律法律的制定都有相当大的阻碍。
算法介入到新闻生产、信息分发领域，由于存在隐蔽性极强的“技术黑箱”，公众往往难以理解新闻生产的过程，无法对基于算法生产和推送的新闻进行独立判断，也就无法有效的监督算法的使用，防范算法带来的危险。
4.3 关注隐私保护，用户至上
大数据时代，隐私泄露正在成为棘手问题。特别是被泄露隐私的用户数量庞大，且大部分人不知道信息何时何地被泄露，也不知道从哪里维权。我们在享受“个性化服务”的同时，也在用私人信息泄露作为额外代价。
平台对于用户隐私的保护不仅是从技术层面，也要从服务层面。平台上不乏“客服”人员，后台客服可以轻而易举得到用户姓名、证件号码、电话号码、软件使用情况等等信息。所以，不光要从技术层面比如防火墙来保护用户信息，服务层面也要并重。
4.4 提升媒介素养，培养用户主动性
算法推荐新闻是技术的革新，是新闻业范式的革新，但是对于信息的需求，依旧是以用户为核心。如今新闻信息平台以多种形式呈现新闻：文字、图片、视频及其组合方式。对于用户来说，获取信息、传播信息、发表观点的途径简单又便捷。
用户在享受算法推荐带来的便利时，也要意识到作为个体对新闻的价值判断。获取新闻不能被动选择算法推荐内容，从不同平台关注新闻事件全貌。对平台方而言，平台对于内容形式的策划、内容质量的把关、舆论价值的引导具有不可推卸的社会责任。
5. 结语
大数据技术优势改变来新闻信息传播方式，使其变得更加高效，对新闻传媒格局造成了显著影响。媒介技术的革新势必会带来积极、消极至少两方面影响。对于其规避措施，除了法律条例的保障，还有通过技术的进化完善技术的弊端。还有重要的一点发挥人的主观能动性，在新闻生产、分发的各个环节，离不开人类的生产力。但人类对于新闻事件有“刻板成见”，也需要机器完成繁琐复杂的计算和分类。“人机协同”是一个值得发展的趋势。
用户既是新闻信息的“信宿”，也是新闻信息的“信源”，是各大平台的服务对象和经济来源。对于用户地位，在平台和广告商眼里，是服务的对象，对用户自身而言，个人发展才是主要的。对新闻信息的了解，可以帮助更好建构对世界的宏观认识，对发展前途更多元对选择，也是对现实更好对理解。
参考文献：
[1]陈昌凤，师文.个性化新闻推荐算法的技术解读与价值探讨[J].中国编辑，2018，（10）：9-14.
[2]来源：百度百科.
[3]胡歆宸. 《今日头条》算法推荐媒介伦理问题研究[D].湘潭大学，2019.
[4]杨灿.算法推荐新闻对用户的影响及对策[J].新媒体研究，2020，6（10）：45-47+60.
[5]俞灵琦.大数据带来的是“精准定位”还是“价格歧视”？[J].华东科技，2019（12）：46-47.
[6]沈亮亮.算法在市场竞争中的应用与法律难题——从大数据杀熟谈起[J].太原学院学报（社会科学版），2019，20（03）：26-31.
[7]邹开亮，彭榕杰.大数据“杀熟”的法律定性及其规制——基于“算法”规制与消费者权益保护的二维视角[J].金融经济，2020（07）：51-57.
[8]杨洸，佘佳玲.新闻算法推荐的信息可见性、用户主动性与信息茧房效应：算法与用户互动的视角[J].新闻大学，2020（02）：102-118+123.
[9]林爱珺，刘运红.智能新闻信息分发中的算法偏见与伦理规制[J].新闻大学，2020（01）：29-39+125-126.
[10]吴晓霞. 聚合类新闻客户端的个性化新闻推荐研究[D].黑龙江大学，2017.
作者简介：白梁艳 安徽蚌埠人，安庆师范大学2020级硕士研究生，新闻传播专业，研究方向：新闻与传播