智能推薦算法以其精準、高效和對大數(shù)據(jù)的處理能力而被各大平臺網(wǎng)站或手機APP普遍采用,這些推薦算法通過追蹤用戶行為和個人信息,自動實現(xiàn)對不同用戶的精準推送,這在一定程度上提升了用戶體驗和推薦質(zhì)量,但同時也存在著一些潛在問題:由于智能算法不能直接讀懂電影本身,在提取電影的特征屬性加以"向量化"的過程中,依賴于人工標(biāo)注的文本,且存在一定的物化傾向;同時,在推薦的過程中會因相似用戶行為的協(xié)同過濾,或反復(fù)推送與用戶之前的選擇相類似的內(nèi)容,導(dǎo)致內(nèi)容的同質(zhì)化;算法中普遍擱置了人的興趣衰減問題,而是通常默認觀影者會長期保有特定偏好;另外,推薦算法作為一種"規(guī)則",其背后隱藏的是"權(quán)力",其價值尺度的"正義性"經(jīng)常被擱置或規(guī)避。

【文章頁數(shù)】：7 頁

【文章目錄】：
一、目前常見的電影推薦算法
    (一) 基于內(nèi)容的推薦算法
    (二) 基于協(xié)同過濾的推薦算法
    (三) 基于圖模型的推薦算法
二、智能推薦算法的潛在問題
    (一) 難以精確計量的“權(quán)重”
    (二) 屬性“向量化”過程中的潛在問題
    (三) 被擱置的興趣漂移及其衰減曲線
三、推薦算法潛在的文化影響
    (一) “去中心化”和低價值密度的堆砌
    (二) 算法的價值尺度及其“正義性”
四、改進的策略與建議
    (一) 綜合技術(shù)與人文, 在算法中引入價值權(quán)重
    (二) 加強對算法本身的監(jiān)管, 建立算法“分級”
    (三) 解讀算法背后的權(quán)力結(jié)構(gòu), 將人工推薦與算法推薦相結(jié)合



本文編號：3801600