隨著通信技術的更新、線上經濟的發(fā)展、配套生態(tài)的完善，網(wǎng)絡參與在人們日常生活中占據(jù)的比重日漸增大。談及其中出現(xiàn)頻率極高的社交網(wǎng)絡平臺，其隨著用戶體量的增長，日均產生海量內容，在平臺以建立維護用戶人際關系連接的基礎上，用戶產生的龐大數(shù)據(jù)形成了公共輿論表達的場所。對于這些海量數(shù)據(jù)，平臺如何處理、調配分發(fā)？本文將簡要介紹主流社交網(wǎng)絡平臺內容分發(fā)算法類型，以及調動廣泛社會關注的謠言又是如何在相應算法機制下傳播的問題。

一、內容分發(fā)算法類型

1、網(wǎng)絡信息內容服務平臺重點環(huán)節(jié)的推薦算法

根據(jù)2019年發(fā)布的《網(wǎng)絡信息內容生態(tài)治理規(guī)定》，其中提到鼓勵網(wǎng)絡信息內容服務平臺在重點環(huán)節(jié)（包括服務類型、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、展示經濟社會發(fā)展亮點、有效回應社會關切等信息。這部分內容一般通過站方自定義的推薦算法（如根據(jù)一定時間內的互動數(shù)或閱讀數(shù)）+人工推薦、人工審核的方式來呈現(xiàn)，占據(jù)站內流量大頭。

2、 網(wǎng)絡信息內容服務平臺自然傳播推薦算法

社交平臺采取算法對內容展現(xiàn)進行處理，表層是優(yōu)化用戶體驗，背后的原則來自于本身產品的商業(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，平臺集聚的大數(shù)據(jù)優(yōu)勢也使商業(yè)廣告能夠實現(xiàn)對個人的投放，精準性優(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，擴大用戶流量創(chuàng)造商業(yè)價值。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、貼標簽、分類、推薦的邏輯動作運行。一種首先定義整理用戶喜好的領域、內容，再對站內內容標簽化處理，投其所好將相應內容推薦給用戶；另一種則是識別分析用戶行為、建立畫像，將用戶進行區(qū)分再群體歸類，最后分發(fā)信息。例如把某個用戶喜好的內容推薦給與其相似的用戶，實現(xiàn)該內容在同一用戶圈層內的傳播。

②基于用戶關系的協(xié)同過濾推薦算法

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

page rank算法，借鑒的是學術論文重要性的評估方法，即內容被引用的次數(shù)越多其所占據(jù)的權重就會越高，如果一個本身權重高的內容引用到另一內容，被引用者的權重也會相應提高，這種內容處理方式在網(wǎng)絡意見領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)方式主要是對內容引發(fā)的互動行為進行評估，將高互動率的信息分發(fā)擴散。例如某內容實時吸引了一定用戶觀看停留、點贊、評論、轉發(fā)、收藏等動作，對比其他內容呈現(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制促成熱度的集聚、信息的再生產及傳播。

目前在一般的社交平臺中，往往都是綜合使用多種內容分發(fā)算法來實現(xiàn)精準預測和推薦。

二、與謠言類輿情傳播的關系

1、重點環(huán)節(jié)信息分發(fā)失誤造成的疾速傳謠

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

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容分發(fā)算法的規(guī)則來看，其運作出發(fā)點基本使圍繞用戶個人的社交關系偏好、內容偏好以及內容本身的關注競爭力兩個維度展開。

一方面圍繞用戶個人而開展的內容分發(fā)容易產生過濾氣泡，即在算法的推薦機制下，面向用戶喜好產生的信息流形成類似氣泡的隔離功能，使每個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容的主動選擇經過推薦算法的識別加強，不單是在內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)絡平臺以用戶關系進行信息分享的基礎規(guī)則，相同相似觀點、態(tài)度的用戶通常會聚集形成圈層化結構，容易產生群體極化行為，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行傳播，通過群體趨同，謠言醞釀到爆發(fā)的進程就會被大大縮短。

3、自然傳播：高互動內容篩選機制造成的傳謠加速

另一方面，從高互動率競爭的內容分發(fā)機制方面來說，在前述已經經過群體傳播的謠言類內容會在實時中呈現(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)常識認知的特點，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程，兩方疊加造成互動率的快速攀升從而導致謠言從群體傳播在短時間內實現(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”效應產生差異化的輿論表達

除了以上為加強用戶粘性、改善社交產品盈利情況產生的協(xié)同過濾與互動率篩選算法機制，也不得不重點關注對算法本身的監(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，從而引發(fā)不正確的集體記憶。簡單來說，“信息杰利蠑螈”效應即通過控制社交網(wǎng)絡上用戶的社交關系鏈接和內容展現(xiàn)，可以使用戶對某個事件支持者的多寡分布認知造成偏差，最終產生完全不同的輿論表達結果。

如下圖所示，本來10個人持有橙色觀點，8個人持有藍色觀點，在隨機網(wǎng)絡下人們通過好友也能大致了解這個比例（a區(qū)）；但在過濾氣泡影響下，持有相同觀點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系和看到的內容后，12個人會認為大部分人都支持藍色觀點，而6個人會認為所有人都支持橙色觀點（c區(qū)）。這種經過算法控制對用戶的信息認知產生改變，從而影響社交網(wǎng)絡上輿論，民意的整體表達。

三、小結

從謠言類輿情的產生過程中，社交網(wǎng)絡內容分發(fā)算法成為了一大助推力量，平臺短時間內產生了巨量的流量波動，以謠言調動的高用戶活躍度、“吃瓜”吸引而來的用戶數(shù)量卻對網(wǎng)絡輿論生態(tài)生成了確實的威脅。而目前在對謠言信息的管控方面，還常易出現(xiàn)審核缺位、內容審核機制混亂、有害信息管控滯后、無關信息失誤管控等現(xiàn)象，此外在社交平臺內容分發(fā)的實際應用中，更多的往往是多種算法相結合對信息實現(xiàn)差異化展現(xiàn)，分眾化傳播，其復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，如涉及侵權，請及時與我們聯(lián)系，我們會在第一時間刪除或處理侵權內容。電話：4006770986    負責人：張明）