推薦算法平臺(tái)“興趣領(lǐng)袖”:內(nèi)涵、功能與模式〔*〕

徐 翔

(同濟(jì)大學(xué) 藝術(shù)與傳媒學(xué)院, 上海 201804)

一、引 言

習(xí)近平總書記強(qiáng)調(diào),探索將人工智能運(yùn)用在新聞采集、生產(chǎn)、分發(fā)、接收、反饋中,用主流價(jià)值導(dǎo)向駕馭“算法”?！?〕讓個(gè)性化定制、智能化推送服務(wù)于思想文化建設(shè)與網(wǎng)絡(luò)信息文化的引導(dǎo),成為算法分發(fā)時(shí)代的題中之義與現(xiàn)實(shí)訴求。平臺(tái)中的推薦算法根據(jù)用戶的既有興趣來“投其所好”地分發(fā)和推送內(nèi)容,用戶在某種意義上似乎擁有“興趣自由”或“興趣自主”,看似可以遵從自己的興趣而不是別人的興趣。但也有相反的論調(diào),認(rèn)為用戶的興趣被算法技術(shù)、算法平臺(tái)、算法資本所操控,甚至關(guān)系到算法對于用戶價(jià)值觀的控制。但是上述研究視角共同忽視的一個(gè)維度是:用戶的興趣如何受到推薦算法系統(tǒng)中其他用戶的影響,并進(jìn)而作用于平臺(tái)中的用戶興趣演化。

換言之,推薦算法平臺(tái)中的用戶興趣似乎受到算法迎合、物化計(jì)算以及算法背后掌控者的權(quán)力、資本制約,但其中能影響其他用戶興趣走向的關(guān)鍵用戶則容易被忽視,這些關(guān)鍵用戶甚至給整個(gè)平臺(tái)的興趣走向、內(nèi)容“氣質(zhì)”帶來重大影響。借鑒在傳播學(xué)、社會(huì)學(xué)、管理學(xué)等多學(xué)科領(lǐng)域的“意見領(lǐng)袖”〔2〕或“關(guān)鍵意見領(lǐng)袖”(KOL)等概念,可將推薦算法平臺(tái)中能有效擴(kuò)散自身興趣、同化和引領(lǐng)其他用戶興趣的關(guān)鍵用戶,簡稱為算法平臺(tái)“興趣領(lǐng)袖”。

用戶在算法推送內(nèi)容的平臺(tái)中,雖然算法根據(jù)其個(gè)體自有興趣推送內(nèi)容并影響該用戶的興趣延續(xù)、演化或走向,但是用戶并沒有真正自主性的“興趣自由”;算法平臺(tái)中某些其他中介性的用戶的興趣經(jīng)由算法系統(tǒng)而影響到對于該用戶的“投其所好”的推送,并逐步改變作為推送“受動(dòng)者”用戶的興趣,從而實(shí)現(xiàn)其與興趣“影響者”“施動(dòng)者”角色的互動(dòng);算法也并無充分意義上的“興趣自由”,并無被權(quán)力、機(jī)構(gòu)、資本所憑空操縱興趣的自由,其算法所偏向的興趣受到一些關(guān)鍵用戶的興趣影響并向平臺(tái)中的其他用戶輻射。在這個(gè)過程中存在著可稱之為“興趣領(lǐng)袖”的特殊角色,他們經(jīng)由算法的特殊機(jī)制和系統(tǒng)運(yùn)行,通過擴(kuò)散自身“興趣基因”而影響著平臺(tái)中其他用戶的“興趣型”,對其他用戶在興趣上成為怎樣的人實(shí)現(xiàn)“用戶設(shè)置”。興趣領(lǐng)袖關(guān)系到用戶是否可以自主地成為“初心”中的自我或是被算法平臺(tái)“設(shè)置”成為怎樣的人。圍繞研究核心的問題包括:推薦算法平臺(tái)中“興趣領(lǐng)袖”具有怎樣的理論內(nèi)涵,推薦算法根據(jù)用戶興趣進(jìn)行“投其所好”的推送時(shí)為何需重視“興趣領(lǐng)袖”的角色功能,“興趣領(lǐng)袖”對平臺(tái)其他用戶產(chǎn)生興趣擴(kuò)散、興趣同化具有何種角色模式。

二、推薦算法平臺(tái)“興趣領(lǐng)袖”的理論內(nèi)涵

(一)推薦算法平臺(tái)“興趣領(lǐng)袖”的關(guān)鍵內(nèi)涵

1.從內(nèi)容傳播到興趣傳播。平臺(tái)中不只是發(fā)生對用戶興趣的計(jì)算或迎合,不只是發(fā)生著意見或態(tài)度的傳播,也發(fā)生著用戶之間的興趣擴(kuò)散與傳播。網(wǎng)絡(luò)社區(qū)、趣緣群體中存在著用戶間的興趣聚合、興趣共享現(xiàn)象,〔3〕網(wǎng)絡(luò)分享機(jī)制促進(jìn)著文化消費(fèi)趣味的橫向擴(kuò)散;〔4〕消費(fèi)者的趣味在數(shù)字平臺(tái)和應(yīng)用程序的技術(shù)社交環(huán)境中形成、實(shí)踐和共享?！?〕用戶在社交網(wǎng)絡(luò)中以“品味陳述”〔6〕“品味制作”〔7〕及“身份表現(xiàn)和提升社會(huì)地位”〔8〕等為動(dòng)因,形成興趣和品味傳播。視頻分享平臺(tái)的社交媒體影響者和視頻博主對用戶的影響甚至擴(kuò)及線下模仿,以及用戶生活方式和消費(fèi)行為層面?！?〕總體上看,現(xiàn)有的這些分析一是多側(cè)重于用戶興趣的表達(dá)、分享和社群聚合,而非用戶之間如何形成興趣傳播的具體機(jī)制;二是多集中在網(wǎng)絡(luò)社群、社交網(wǎng)絡(luò)而較少涉及算法環(huán)境下的興趣傳播。但與此同時(shí),網(wǎng)絡(luò)平臺(tái)用戶的興趣傳播表明了基于博主、影響者對于其他用戶產(chǎn)生興趣擴(kuò)散、品味塑造的可能性。

2.從意見影響力到興趣影響力。用戶的影響力不僅有局部意見的傳遞,還有整體喜好、興趣“模因”的傳遞;需要傳遞和能傳遞的不只是意見,也有整體性的品味、趣味和興趣,他們是一個(gè)人的內(nèi)容狀態(tài)的綜合反映。這要經(jīng)歷從意見影響力、輿論影響力到興趣影響力的功能與角色轉(zhuǎn)變,影響力的模式則從用戶間直接影響力轉(zhuǎn)為“用戶→算法→用戶”的中介化之后的影響力;也需要經(jīng)歷從意見領(lǐng)袖、輿論領(lǐng)袖到興趣領(lǐng)袖的理論拓展與模式轉(zhuǎn)變。以社交媒體為例,“社交媒體影響者”(SMIs)〔10〕作為不同于意見領(lǐng)袖的另一種影響者角色,對粉絲或其他用戶造成興趣、愛好、消費(fèi)、流行文化等方面的影響?！?1〕對社交媒體影響者的價(jià)值模型研究顯示,其內(nèi)容的信息價(jià)值,影響者的可信度、吸引力和與追隨者的相似度都積極影響追隨者的品牌信任、品牌意識(shí)?！?2〕新型輿論領(lǐng)袖“公民影響力者”(citizen influencers)以其專業(yè)知識(shí)、可信度、親和力、相似性和熟悉度等特征吸引和說服其追隨者。〔13〕在社會(huì)化標(biāo)注系統(tǒng)的網(wǎng)絡(luò)平臺(tái)中存在具有一定活躍度、影響力、支持力的核心用戶群體,他們具有創(chuàng)造興趣與引領(lǐng)興趣趨勢的屬性?！?4〕社交網(wǎng)絡(luò)“意見典范”〔15〕會(huì)形成向其他用戶的強(qiáng)有力的內(nèi)容模因擴(kuò)散,產(chǎn)生使得其他用戶和自己發(fā)生內(nèi)容特征趨同的“用戶設(shè)置”效果。〔16〕在此現(xiàn)實(shí)背景與品味、趣味和興趣的影響力角色下,需要強(qiáng)調(diào)兩點(diǎn),一是從意見領(lǐng)袖到興趣領(lǐng)袖、從輿論影響力到興趣影響力的理論自覺,二是對在推薦算法特殊性環(huán)境下用戶興趣影響力、“興趣影響者”的實(shí)踐關(guān)注。

3.從網(wǎng)絡(luò)平臺(tái)興趣傳播到推薦算法平臺(tái)興趣傳播。網(wǎng)絡(luò)平臺(tái)中的興趣擴(kuò)散和傳播存在著關(guān)鍵性的用戶。例如王娟等人以大眾點(diǎn)評網(wǎng)為研究對象,根據(jù)用戶的相似興趣關(guān)系將其劃分為五個(gè)興趣社區(qū),發(fā)現(xiàn)每個(gè)興趣社區(qū)中有少數(shù)用戶在信息傳播過程中起著重要的作用。〔17〕在網(wǎng)絡(luò)巴爾干化、碎片化的背景下,網(wǎng)絡(luò)中某些類型的用戶仍然成為用戶相似、趨同的中心。〔18〕結(jié)合算法環(huán)境,算法推送型的平臺(tái)中存在著作為關(guān)鍵用戶的博主,使得小紅書等平臺(tái)內(nèi)容相似,導(dǎo)致審美內(nèi)容的同質(zhì)化。〔19〕在此方面需要注意到,算法傳播的特點(diǎn)和社交媒體具有很大的差異,不能把舊媒體的“意見領(lǐng)袖”作用與模式,簡單類推地用以理解新的算法媒體中的“興趣領(lǐng)袖”。

(二)推薦算法平臺(tái)“興趣領(lǐng)袖”的作用特征

其一,中介性而非直接性。對于算法平臺(tái)中的興趣領(lǐng)袖的研究,需要從強(qiáng)調(diào)人際關(guān)系、互動(dòng)關(guān)系的傳統(tǒng)框架轉(zhuǎn)到算法關(guān)系中。算法興趣領(lǐng)袖不是一般的網(wǎng)絡(luò)興趣領(lǐng)袖,他們通過與算法的關(guān)系來影響算法向個(gè)體施加“興趣影響”的方式和走向,從而使得用戶表面上被推送的是迎合自己的興趣,實(shí)際上被推送的是被算法平臺(tái)傳導(dǎo)的帶有特定傾向性、方向性的關(guān)鍵用戶的興趣。以往有關(guān)推薦算法霸權(quán)的觀點(diǎn),往往只注重強(qiáng)調(diào)算法霸權(quán),卻忽視了算法霸權(quán)中的“中介”;似乎算法霸權(quán)可以隨意灌注算法資本或算法實(shí)施者的意志,但忽略了這種意志必須堅(jiān)持“投其所好”,也即推送“受眾認(rèn)為他所喜歡的東西”。對處于算法終端的用戶受眾而言,不只是算法推送會(huì)影響人的興趣或者讓人陷入某種自我興趣不斷重復(fù)的“兔子洞”,而且有其他用戶扮演著興趣的傳遞者或中介因素角色,影響著受眾的興趣狀態(tài)。對于這種“他者”角色與功能的強(qiáng)調(diào)有其充分的必要性。

其二,引領(lǐng)性而非跟隨性。上述起作用的他者和中介性用戶,雖然也會(huì)接收到其他中介性用戶的傳導(dǎo)作用,但就這個(gè)概念內(nèi)涵而言,并不是側(cè)重于興趣的跟隨者和受動(dòng)方,而是強(qiáng)調(diào)興趣的引領(lǐng)者和施動(dòng)方。他們是“興趣領(lǐng)袖”者而不是“興趣被領(lǐng)袖”者。就此方面,他們類似于大眾傳媒通往受眾的“意見領(lǐng)袖”,具有引領(lǐng)性的而不是被動(dòng)性的功能。

其三,整體性而非局部性。興趣領(lǐng)袖強(qiáng)調(diào)的是對人喜歡什么、不喜歡什么的整體“興趣狀態(tài)”或“興趣向量”的影響,而不是對某條意見或?qū)δ彻彩录哪硞€(gè)態(tài)度的影響。也即它強(qiáng)調(diào)的是對于用戶整體的喜歡哪些元素不喜歡哪些元素的綜合影響,某種程度上反映著個(gè)體的“興趣光譜”及其擴(kuò)散。意見、態(tài)度關(guān)系到直接的和局部的內(nèi)容,而興趣則是一種“元意見”和“元注意力”。借用議程設(shè)置理論的表述,興趣領(lǐng)袖的作用不只是設(shè)置什么樣的興趣容易得到關(guān)注,也是把用戶設(shè)置成為什么樣的“人”,進(jìn)而實(shí)現(xiàn)從議程設(shè)置到“用戶設(shè)置”的延展。

三、推薦算法平臺(tái)“興趣領(lǐng)袖”的角色功能

在理論和實(shí)踐中,對于推薦算法平臺(tái)中的“興趣領(lǐng)袖”角色及其作用重視不足。以下方面的角色與功能需要進(jìn)一步重視與探討。

1.算法中不僅體現(xiàn)著平臺(tái)對于受眾興趣的權(quán)力,也體現(xiàn)著其中具有興趣影響力的用戶的作用。對于算法平臺(tái)中的用戶興趣生成,現(xiàn)有較常見的研究關(guān)注的是算法在平臺(tái)、資本、技術(shù)、權(quán)力等維度如何影響用戶的興趣產(chǎn)生、演化發(fā)展。從平臺(tái)維度看,強(qiáng)調(diào)大型平臺(tái)公司對于文化商品生產(chǎn)制作的主導(dǎo)、〔20〕亞馬遜或Netflix等網(wǎng)站推薦系統(tǒng)對我們審美帶來的影響、〔21〕用戶音樂品味的建構(gòu)權(quán)逐步向平臺(tái)算法遷移并影響其聽歌行為?！?2〕從資本邏輯維度看,強(qiáng)調(diào)“算法元資本”〔23〕和平臺(tái)的資本主義原則對文化實(shí)踐的作用,〔24〕或是平臺(tái)經(jīng)濟(jì)和資本邏輯對用戶文化品味(taste)的塑造。〔25〕從社會(huì)權(quán)力維度看,分析算法的“數(shù)據(jù)殖民”、〔26〕算法偏見對于審美觀的社會(huì)建構(gòu)〔27〕等,強(qiáng)調(diào)算法將品味“數(shù)據(jù)化”以及“自動(dòng)化”的“品味工程”?！?8〕對此需要注意的是,盡管推薦算法計(jì)算受眾的興趣并以之進(jìn)行喜好的預(yù)測與內(nèi)容的推送(此中似乎是算法及其背后的權(quán)力或資本在主導(dǎo)著這種推送),但是仍要強(qiáng)調(diào)被忽略的“人”的角色和功能。

2.算法不僅生成對受眾的興趣制造,也生成算法系統(tǒng)下的用戶間興趣關(guān)系。較多研究從算法技術(shù)蘊(yùn)含的認(rèn)知方式、算法霸權(quán)考察算法對于用戶品味、趣味和興趣的塑造;〔29〕提出算法“品味邏輯”及其“解釋性圖式”作用,以分析平臺(tái)中管理文化品味(cultural taste)的過程和機(jī)制?！?0〕但是在另一方面,用戶也介入到與算法的“共謀”“馴化”以及交互關(guān)系中。其中,需要重視將專有算法和人類策展人相結(jié)合的音樂流媒體平臺(tái)中的“新看門人”,該角色以前由無線電程序員、記者和其他專家等人類中介扮演?！?1〕算法對于用戶的作用似乎是直接的,似乎誰掌握了算法也就掌握了對于受眾的某種權(quán)力,但是推薦算法往往被視作一種“推送機(jī)器”對受眾的計(jì)算和“算計(jì)”,而算法、用戶、受眾構(gòu)成的復(fù)合體得到的重視卻不足,其中的關(guān)鍵在于推薦系統(tǒng)需要被視作以算法為中介的人和人之間的興趣關(guān)系,作為人—智協(xié)同背景下的“社會(huì)興趣再生產(chǎn)方式”。算法興趣關(guān)系中“中介者”的角色和功能亟待被定義并將其明晰化,對此需要明確提出“興趣領(lǐng)袖”理論角色與模式。

3.用戶不僅接受推送算法的“算計(jì)”,也反過來影響算法的推送及算法和用戶之間的算法循環(huán)。有研究探討了Netflix上用戶和推薦算法的相互馴化,包括用戶與平臺(tái)之間建立個(gè)性化關(guān)系的方式、如何將算法推薦整合到文化代碼矩陣中,等等?！?2〕無論內(nèi)容生產(chǎn)者的粉絲數(shù)量多或少,只要其生產(chǎn)的內(nèi)容質(zhì)量高,都可以利用人工智能驅(qū)動(dòng)的社交媒體的算法優(yōu)勢,被其他用戶發(fā)現(xiàn)和欣賞?！?3〕算法環(huán)境中,用戶通過音樂策展、分享等方式,使用和影響Spotify的播放列表?！?4〕算法作為人機(jī)協(xié)同系統(tǒng),可以增強(qiáng)用戶與系統(tǒng)的協(xié)同以及利用它的可能。算法“技術(shù)理性”下用戶的數(shù)據(jù)痕跡反過來作用于算法系統(tǒng),給算法系統(tǒng)的精確計(jì)算帶來非精確性、非均衡性和偏差性,也使部分用戶的興趣產(chǎn)生偏倚性的復(fù)制或傳遞。

4.算法推送平臺(tái)中興趣關(guān)系的中介角色具有二級傳播(two-step flow)的作用和功能,可通過對算法系統(tǒng)的反作用而向其他用戶更強(qiáng)地?cái)U(kuò)散自身的興趣偏好、興趣模式。推薦算法不對受眾起直接作用或是產(chǎn)生“算法霸權(quán)”的直接效果,這為中介性的其他用戶發(fā)揮作用提供了空間。算法想象(algorithmic imaginary)、〔35〕算法信任〔36〕關(guān)系到用戶在算法中的接受導(dǎo)向;而與之相反,“算法厭惡(Algorithm aversion)”〔37〕或?qū)τ谒惴ǖ摹暗挚箲?zhàn)術(shù)”〔38〕以及“算法抵抗(Algorithmic resistance)”〔39〕則會(huì)阻礙算法系統(tǒng)中興趣的接受和擴(kuò)散。在大眾傳媒時(shí)代和算法傳播時(shí)代,存在著經(jīng)由意見領(lǐng)袖的二級傳播及其中間性的作用者,算法中介(algorithmic mediation)的流動(dòng)性本質(zhì)上是關(guān)于社會(huì)和政治公共議程的決策過程,使其相對容易受到操縱?！?0〕算法對受眾的作用嵌入在人對技術(shù)的使用及“想象”方式中,其中一些用戶影響著算法對其他受眾起作用的方式、性質(zhì)、程度,從而產(chǎn)生從算法到受眾的“二級傳播”甚或“多級傳播”。

5.推薦算法不僅具有計(jì)算理性,也具有“計(jì)算理性的非理性”。推薦算法營建著一種新的具有“計(jì)算非理性”的技術(shù)環(huán)境,在獲取數(shù)據(jù)的基礎(chǔ)上利用大數(shù)據(jù)分析能夠獲悉個(gè)體的一系列敏感屬性,并有目的地干預(yù),使其朝向預(yù)期的方向改變。其中,算法推薦系統(tǒng)存在數(shù)據(jù)稀疏性、數(shù)據(jù)集不均衡性等數(shù)據(jù)運(yùn)行問題,使得算法并非精確預(yù)測與迎合個(gè)體的興趣,進(jìn)而帶來社會(huì)性后果。算法的個(gè)性化推薦成為偽個(gè)性化推薦,從而使得對于個(gè)體興趣的迎合變成對于某種“興趣類屬”的迎合,進(jìn)而發(fā)生某些用戶興趣在算法平臺(tái)中的興趣放大乃至替換其他用戶的興趣。借鑒雷蒙·威廉斯曾說過的,“事實(shí)上沒有所謂的群眾,有的只是把人視為群眾的觀察方式”?！?1〕在算法的計(jì)算中,“事實(shí)上沒有個(gè)體,只有將人視為個(gè)體的方式”?！?2〕算法身份根據(jù)用戶個(gè)體屬性與喜好需求的算法分析抽象出共性化的個(gè)性,然后尋求類似特點(diǎn)和類似的人,這使得個(gè)性化推薦變得反個(gè)性化。算法推薦系統(tǒng)存在數(shù)據(jù)稀疏性、數(shù)據(jù)集不均衡性等數(shù)據(jù)問題,并帶來算法不平等、算法放大、算法的“人氣偏好”“流行偏好”等現(xiàn)象。

6.興趣傳播研究中不僅需要重視網(wǎng)絡(luò)“趣緣”群體或網(wǎng)絡(luò)興趣社區(qū)中的高影響力用戶,也需要重視引領(lǐng)平臺(tái)“全局”用戶的關(guān)鍵角色及其作用。而目前,對于影響甚至引領(lǐng)平臺(tái)全局用戶的角色及其機(jī)制的分析還不夠,對于算法平臺(tái)和算法環(huán)境下的興趣引領(lǐng)者關(guān)注也不足,這就要求我們不僅要重視“趣緣興趣領(lǐng)袖”或“社區(qū)高影響力者”,還需要提出并分析能引領(lǐng)算法平臺(tái)“風(fēng)氣”“氣質(zhì)”的“全局興趣領(lǐng)袖”和算法興趣領(lǐng)袖,對于后者是誰以及他們?nèi)绾纹鹱饔玫姆治鰴z驗(yàn)?zāi)壳叭圆怀浞帧?/p>

四、算法推送平臺(tái)“興趣領(lǐng)袖”的作用與特征

在較為主流的推薦算法與算法文化、算法傳播研究中,以下方面的問題值得關(guān)注。就“算法→用戶”關(guān)系而言,算法遵循對于用戶“投其所好”的基本原則,但由此產(chǎn)生的“投其所好”就主要源自被推送者自身興趣的影響嗎?追求推薦的準(zhǔn)確率就能確保被推送者的喜好仍然是其自己的喜好嗎?答案是否定的。其中,被計(jì)算的不只是被推送者自身的興趣,也包括其他關(guān)鍵用戶、中間用戶的興趣,它們共同影響對該“受動(dòng)”用戶推送的內(nèi)容。算法技術(shù)計(jì)算出來的“他/她所喜歡的東西”并不一定是“他/她喜歡的東西”,其間存在著一定的算法偏差,其中可能的擾動(dòng)因素之一便是本文所述的“興趣領(lǐng)袖”。就平臺(tái)而言,無論是平臺(tái)操控的算法技術(shù),抑或平臺(tái)背后的資本、機(jī)構(gòu)乃至權(quán)力,看起來都具有對算法推送的控制權(quán)或話語霸權(quán),能夠施加一種“技術(shù)權(quán)力”。但是用戶如何反抗、反作用于這種控制系統(tǒng),涉及既有系統(tǒng)中亟待深挖之處。正是在這些潛藏的疑問中,留下推測和解析“興趣領(lǐng)袖”作用的理論和實(shí)踐空間。

其一,算法從投其所好到偽投其所好。目前存在一種較多擁躉的觀點(diǎn),認(rèn)為算法計(jì)算迎合人的興趣,使得個(gè)體陷入自身興趣所驅(qū)動(dòng)的信息繭房和“兔子洞”之中;算法是對于受眾興趣的投其所好,迎合受眾的興趣,以追求“召回率”和“準(zhǔn)確率”,進(jìn)而實(shí)現(xiàn)算法的商業(yè)價(jià)值;受眾的興趣狀態(tài)似乎具有自主性,即使受到其他人的影響也并不嚴(yán)重。但是本研究需要強(qiáng)調(diào),在推送過程中存在著種種“失真”機(jī)制,例如“人氣偏好”“主流偏好”“相似性漏洞”等,這些失真機(jī)制看似具有偶然性、不起眼性,實(shí)則隱藏著大的理論裂縫,或者說“所有的偶然都體現(xiàn)著深層次的必然”,潛藏著深層次的邏輯問題。推薦算法在“投其所好”的過程中,能牽引平臺(tái)、影響平臺(tái)“投其所好”而實(shí)際并非真正完全意義上的投其所好,滲透著來自外部的牽引因素,其中亦發(fā)生著平臺(tái)中的“品味自動(dòng)化”與用戶興趣失真?！捌肺蹲詣?dòng)化”指的是技術(shù)媒體在品味的社會(huì)定義中的新角色,一些研究將音樂推薦系統(tǒng)視為一種自動(dòng)化的認(rèn)知環(huán)境;智能手機(jī)及其應(yīng)用和算法促進(jìn)了品味的自動(dòng)化,導(dǎo)致人類攜帶了一些機(jī)器人的痕跡;部分代表性人群的品味成為一種組織和規(guī)范當(dāng)代生活的知識(shí)原則?！?3〕算法技術(shù)帶來算法系統(tǒng)的整體扭曲,用戶之間的興趣傳遞關(guān)系和算法共同構(gòu)成了以算法為中介的社會(huì)關(guān)系,這種關(guān)系在根本上決定著算法的計(jì)算無法獨(dú)立且精確地“投其所好”,而是在其推送中藏著某種體現(xiàn)平臺(tái)—技術(shù)—社會(huì)關(guān)系的特色性烙印,這個(gè)烙印至少一部分由受眾和其他受眾的興趣關(guān)系、文化關(guān)系、社會(huì)關(guān)系所導(dǎo)致。這個(gè)過程中,用戶有沒有自己的“自由”的興趣?誠如馬克思所說,“人們自己創(chuàng)造自己的歷史,但是他們并不是隨心所欲地創(chuàng)造,并不是在他們自己選定的條件下創(chuàng)造,而是在直接碰到的、既定的、從過去承繼下來的條件下創(chuàng)造。”〔44〕用戶自己形成和發(fā)展自己的興趣亦并非自主和隨心所欲的。

其二,用戶從個(gè)性化興趣到非個(gè)性化興趣。算法針對個(gè)體喜好計(jì)算得出的推薦并非個(gè)性化的推薦及其興趣生成演化,相反,千差萬別的用戶個(gè)體卻在算法的推薦中走向了興趣的同質(zhì)化和共性化。一些實(shí)證研究已經(jīng)指出事實(shí),也即個(gè)性化的算法推薦并沒有分裂在線人群,相反卻在創(chuàng)造個(gè)體與他人的共性。其原因主要有二:數(shù)量和產(chǎn)品組合效應(yīng)。數(shù)量效應(yīng)是指消費(fèi)者在個(gè)性化推薦后簡單地消費(fèi)更多,增加了擁有更多共同物品的機(jī)會(huì);產(chǎn)品組合效應(yīng)是指在數(shù)量有限的情況下,消費(fèi)者會(huì)在推薦后購買更相似的產(chǎn)品組合,個(gè)性化推薦并未導(dǎo)致用戶走向碎片化,反而創(chuàng)造了用戶與他人的共性。〔45〕Aridor等通過建構(gòu)數(shù)字模擬推薦系統(tǒng)環(huán)境下的用戶決策模型,發(fā)現(xiàn)算法推薦會(huì)協(xié)調(diào)不同用戶的消費(fèi)選擇,從而導(dǎo)致了用戶間內(nèi)容消費(fèi)同質(zhì)化的增加?！?6〕對此有學(xué)者指出,平臺(tái)數(shù)據(jù)衍生的個(gè)性化系統(tǒng)實(shí)質(zhì)上是對同質(zhì)性的一種掩蓋?！?7〕在推薦算法的計(jì)算中,個(gè)性化的興趣被多數(shù)人的共性所替換,推薦算法把個(gè)體轉(zhuǎn)為剝離個(gè)性的類屬化的人。例如在協(xié)同過濾算法中,用戶的特征以和他相似的個(gè)體作為表征并進(jìn)行推薦,使得用戶無法具有個(gè)體身份,而是通過與自己最為相似的人群類屬進(jìn)行表征,這樣才能使得算法“看到”個(gè)體。算法身份把用戶根據(jù)其數(shù)據(jù)、社會(huì)背景、需求的算法分析轉(zhuǎn)換為“可測量的類型”,或者是公司將用戶區(qū)分為不同的類別,這些類別是不透明的量化集群和黑箱。〔48〕

其三,影響者從中介權(quán)力到中介用戶。較多的研究認(rèn)為算法不直接對受眾起作用,而是通過潛藏在其背后的控制力量起作用。對于這種背后力量,現(xiàn)有研究多數(shù)從資本、平臺(tái)、企業(yè)等權(quán)力機(jī)制進(jìn)行分析,較多分析將算法視作一種可“有意”操控的工具,在此意義上也就強(qiáng)調(diào)了算法背后的中介性權(quán)力,這種權(quán)力多數(shù)由組織型的主體予以實(shí)施(例如公司、內(nèi)容提供商、利益集團(tuán)或文化實(shí)體)。例如Morris將布迪厄的文化中介概念擴(kuò)展到包括算法等技術(shù)中去,通過對The Echo Nest(一個(gè)音樂信息中介機(jī)構(gòu),其數(shù)據(jù)庫支撐著許多數(shù)字音樂服務(wù))的批判性分析,認(rèn)為公司層越來越多地負(fù)責(zé)塑造受眾如何接觸和體驗(yàn)文化內(nèi)容?！?9〕Bodo提出個(gè)性化一直是一種以服務(wù)于組織目標(biāo)的方式操縱需求的技術(shù)?！?0〕Sandvig將之稱為“腐敗的個(gè)性化”,這是一種圍繞用戶偏好建立的個(gè)性化方案,并呈現(xiàn)為似乎符合他們的最大利益,但卻是服務(wù)于提供商的目標(biāo)。〔51〕此中似乎真正的擔(dān)憂不在于算法本身,而在于它們的計(jì)算抽象層被公司和商業(yè)利益集團(tuán)選擇或劫持的方式,且這些抽象層現(xiàn)在覆蓋了大部分文化現(xiàn)實(shí)。這些論調(diào)屢見不鮮,〔52〕但是其他用戶對于平臺(tái)推薦算法的中介作用卻被忽視了?；蛘哒f,筆者認(rèn)為用戶不是單純受到推薦算法計(jì)算的影響,這種計(jì)算也包含著其他用戶的興趣與算法的關(guān)系。這些中介性的“其他用戶”,不是隸屬于某些平臺(tái)的組織、機(jī)構(gòu),而是人、個(gè)體,這些個(gè)體也會(huì)影響算法推送對象的興趣偏向。如果把每個(gè)用戶的興趣表示為n維興趣的向量V1,把算法給某個(gè)用戶推送的內(nèi)容表示為n維興趣的向量V2,那么就會(huì)有一些用戶影響和牽引著V2,在看似趨同于V1的過程中卻與其產(chǎn)生了差異,而且這種差異不是隨機(jī)的,是具有特定傾向性和形成機(jī)制的。有或沒有這些其他用戶,或這些其他用戶有怎樣的特征與差異,對于原用戶的推薦結(jié)果都會(huì)帶來深刻影響。

其四,作用方式從單向線條到雙向循環(huán)。較多算法文化研究持的主要立場之一便是算法批判論,其內(nèi)蘊(yùn)的前提是“算法→用戶”的操控性話語霸權(quán),或是受眾對于這種霸權(quán)進(jìn)行抵抗的可能性,例如較多學(xué)者分析“數(shù)據(jù)資本主義”“算法殖民”對于用戶品味、趣味和興趣的塑造。在“算法→用戶”的基本模式中,盡管其作用效果、程度可能有強(qiáng)有弱,也有相當(dāng)多的研究注意到其會(huì)受到受眾的算法素養(yǎng)、算法認(rèn)知等的制約,但是研究重點(diǎn)仍然是立足于“算法→用戶”的單向性。推薦算法被簡化視為一種計(jì)算工具、一種數(shù)據(jù)理性,而不是一種準(zhǔn)社會(huì)關(guān)系與信息關(guān)系。對此在本體論的層面需要充分明確,用戶不只是對算法具有抵抗或有限信任的可能,而是其態(tài)度、行為、興趣也會(huì)反向作用于推薦算法的計(jì)算過程和系統(tǒng)性的計(jì)算偏差,并且又循環(huán)返回到以算法為中介的用戶興趣關(guān)系和興趣演化之中。也即受眾反作用于算法,然后再由算法反饋于受眾的內(nèi)循環(huán)方式受到的重視不足。后者關(guān)系到把算法作為一種嵌入于用戶和人的“推送關(guān)系”,而不是一種單純地嵌入于召回率、準(zhǔn)確度的“推送機(jī)器”。算法與用戶的聯(lián)系看似直接,其實(shí)存在著中介或是其作用的力場,這種中介性不是簡單地把“算法→用戶”轉(zhuǎn)化為“算法→中介→用戶”關(guān)系,而是帶有反向、雙向循環(huán)的作用模式,也即“算法←→中介←→用戶”關(guān)系。因此,尋求這種中介模式和中介方式也就成為研究算法“興趣領(lǐng)袖”的要義之一。尤其是這些中介性的“人”及其興趣關(guān)系會(huì)影響到算法的推送進(jìn)而影響到受眾的興趣,使得算法表面上在迎合受眾的興趣而實(shí)際上已經(jīng)悄然被置換為某種力量控制和牽引下的產(chǎn)物。

對于算法如何作用于用戶、如何根據(jù)用戶興趣進(jìn)行推薦、如何影響和操控用戶興趣,較為原始的分析框架圖經(jīng)初步梳理如圖1所示,這些是學(xué)界較為主流的研究視點(diǎn)和推進(jìn)領(lǐng)域。結(jié)合本節(jié)所分析的內(nèi)容,對這個(gè)框架圖中涉及的待深挖的疑點(diǎn)、不足作一些解析,以及由此產(chǎn)生的進(jìn)一步改進(jìn)可見圖2。

圖1 推薦算法作用于用戶興趣的主要理論框架(未納入興趣領(lǐng)袖的視角)

圖2 推薦算法作用于用戶興趣的主要理論框架(納入興趣領(lǐng)袖的視角)

究其根本,推薦算法不只是一種計(jì)算技術(shù)和量化技術(shù),而是以算法為中介的社會(huì)關(guān)系,或者說是以算法為中介的用戶之間形成和傳導(dǎo)興趣的社會(huì)關(guān)系。誰在這個(gè)關(guān)系中擁有主導(dǎo)權(quán)、如何具有主導(dǎo)權(quán)、如何通過這個(gè)平臺(tái)影響其他用戶,也就是新的待探索的問題。

五、推薦算法平臺(tái)“興趣領(lǐng)袖”的角色模式

推薦算法如何從物體系衍化出“人”的用戶傳播體系以及受眾的關(guān)鍵作用,其關(guān)鍵機(jī)理以及應(yīng)然性、必然性有待系統(tǒng)分析?；谒惴w系的基本作用邏輯,推薦算法平臺(tái)存在著“興趣領(lǐng)袖”角色的以下模式。

(一)算法可見性與興趣領(lǐng)袖

算法生成著用戶在推薦系統(tǒng)計(jì)算和推送中的“可見性”,一部分具有高度的“算法可見性”的用戶更有可能經(jīng)由算法系統(tǒng)而擴(kuò)散自身的興趣。一些研究雖然涉及可見性維度,但是并未把它與興趣領(lǐng)袖明確地予以關(guān)聯(lián)。Cotter以Instagram為例,指出有影響力的內(nèi)容生產(chǎn)者通過算法編碼的“規(guī)則”來玩“可見性游戲”?！?3〕在YouTube中,視頻博主在算法中具有不同的可見度等級,算法偏愛中產(chǎn)階級、符合廣告主要求的行動(dòng)者,非常成功的視頻博主也會(huì)受惠于YouTube的算法可見性。〔54〕如何成為算法的核心用戶,提升可見度無疑是主要因素之一,其對于算法的計(jì)算將產(chǎn)生不可忽視的影響。在算法中可見性高的用戶,作為受歡迎的類型使得其他用戶的內(nèi)容生產(chǎn)追隨著他們。這導(dǎo)致Mikal等指出的,隨著用戶逐漸了解網(wǎng)絡(luò)平臺(tái)的文化和參與規(guī)則,他們會(huì)開始預(yù)測普遍受歡迎的響應(yīng)類型并修改自己的內(nèi)容發(fā)布?！?5〕內(nèi)容生產(chǎn)者所經(jīng)歷的商業(yè)循環(huán)受到了算法的負(fù)面影響,導(dǎo)致平臺(tái)運(yùn)行趨向一種同質(zhì)化。〔56〕一部分具有高可見度的用戶,甚至可能影響整個(gè)平臺(tái)的興趣推薦偏好,主導(dǎo)平臺(tái)的興趣“風(fēng)氣”與走向。

(二)算法不平等與興趣領(lǐng)袖

算法推送平臺(tái)中被推薦的興趣存在著“算法不平等”和“算法放大”現(xiàn)象,優(yōu)勢用戶易于形成與提高其在算法平臺(tái)中的興趣地位。推薦系統(tǒng)通常會(huì)放大數(shù)據(jù)中的偏差,從不平衡項(xiàng)目分布中學(xué)習(xí)的模型會(huì)通過過度推薦來自多數(shù)群體的項(xiàng)目來放大不平衡。〔57〕據(jù)Huszar等的研究,在Twitter主頁時(shí)間線上的內(nèi)容個(gè)性化算法中,其所研究的七個(gè)國家中有六個(gè)國家的主流政治左派享有更高的算法放大?！?8〕算法設(shè)計(jì)本身存在的推薦有限多樣性會(huì)引發(fā)數(shù)據(jù)退化,放大不同興趣人群之間的算法不平等。音樂領(lǐng)域的實(shí)驗(yàn)表明,算法隨著時(shí)間的推移都可能導(dǎo)致不理想的集中效應(yīng);許多提供的建議主要由普遍流行的項(xiàng)目組成,最終導(dǎo)致強(qiáng)化效應(yīng)。〔59〕協(xié)同過濾推薦算法更容易受到用戶多數(shù)意見的影響,無論用戶的喜好如何都會(huì)被推薦最熱門的話題,具有不同偏好的一小群用戶會(huì)被具有較少不同觀點(diǎn)的大多數(shù)用戶“納入”進(jìn)而影響到對其個(gè)性化推薦的結(jié)果?！?0〕推薦算法會(huì)促進(jìn)某些優(yōu)勢群體和用戶的興趣傳播。例如,服務(wù)Spotify的推薦算法通過流派和性別的相似性來組織音樂,有助于重構(gòu)搖滾的主導(dǎo)流派,使其成為以男性為中心的、主要服務(wù)白人的音樂平臺(tái)?！?1〕算法設(shè)計(jì)本身存在推薦的有限多樣性會(huì)導(dǎo)致數(shù)據(jù)退化,放大不同興趣人群之間的算法不平等。具有主流喜好的用戶容易保持其主流興趣,而非主流的用戶難以保持自身的個(gè)性化喜好,數(shù)據(jù)地位上的不平等使得前者對后者更具有擴(kuò)散輻射其興趣的可能性。

(三)用戶代表性與興趣領(lǐng)袖

算法針對用戶興趣“投其所好”并非真實(shí)的投其所好,而是投與其相似用戶的所好,推薦的是算法系統(tǒng)中和其他用戶的興趣特征、喜好特征盡可能多地發(fā)生重疊的用戶的所好。協(xié)同過濾中推薦質(zhì)量的高低依賴于模型為用戶找到相似用戶的難易程度?！?2〕和其他用戶具有更高相似度的用戶更容易被作為算法推薦的計(jì)算依據(jù),從而使得他們的興趣狀態(tài)更容易發(fā)生擴(kuò)散輻射。由此進(jìn)一步的后果是,用戶與其他用戶的高相似度帶來該用戶的高主流度,使得算法對于計(jì)算準(zhǔn)確性的追求產(chǎn)生“主流偏差”。與之相關(guān)的另一個(gè)問題是推薦計(jì)算中的數(shù)據(jù)稀疏性問題。由于大量的被推薦項(xiàng)目、用戶同推薦系統(tǒng)集成,不可能每個(gè)用戶都有平等的機(jī)會(huì)接觸每一個(gè)對象或項(xiàng)目,這使得用戶—項(xiàng)目矩陣具有很大稀疏性,而且其中的遺漏值不是隨機(jī)的,這構(gòu)成缺失—非隨機(jī)(MNAR)問題。數(shù)據(jù)稀疏性使得用戶和物品被計(jì)算時(shí)并不均衡,其中有一部分代表性的用戶更容易和其他用戶具有相似性,也更容易得到推薦。反映到用戶的特征中,多數(shù)化的用戶被稱為“白羊”用戶,在平臺(tái)系統(tǒng)中不反饋的用戶是“黑羊”用戶,而少數(shù)人類型的用戶是“灰羊”用戶?！?3〕“黑羊”用戶的獨(dú)特品味使得算法幾乎不可能提出推薦。推薦算法系統(tǒng)學(xué)習(xí)到的分類模型會(huì)偏向多數(shù)類,導(dǎo)致對少數(shù)類的預(yù)測精度較差。Bellogin等識(shí)別和分析了推薦任務(wù)時(shí)出現(xiàn)的特定統(tǒng)計(jì)偏差即稀疏性和總體性偏差,決策指標(biāo)在衡量用戶群體的總體滿意度時(shí),以多數(shù)人口味為目標(biāo)的算法在這類指標(biāo)上預(yù)期會(huì)有非常好的結(jié)果?！?4〕數(shù)據(jù)化個(gè)體并不會(huì)帶來興趣擴(kuò)散和算法數(shù)據(jù)身份上的平等,喜好上的主流性而非生僻性進(jìn)一步產(chǎn)生自我循環(huán),它們的推送也在持續(xù)影響著平臺(tái)中主流與邊緣的分化。推薦算法具有的相似性漏洞、數(shù)據(jù)稀疏性等現(xiàn)象,容易使得算法推薦偏向更具代表性的用戶及其興趣。與其他多數(shù)用戶有相似興趣喜好的用戶,在算法平臺(tái)中擴(kuò)散自身的興趣與喜好比之非主流的用戶更具優(yōu)勢。對于平臺(tái)興趣的宏觀調(diào)控而言,需注意主流人群對于算法系統(tǒng)中興趣演化的重要影響;同時(shí)也意味著,只要控制和針對這些具有“算法代表性”的用戶,也就能在相當(dāng)大程度上調(diào)節(jié)算法平臺(tái)的集體和公眾興趣。

(四)算法迎合度與興趣領(lǐng)袖

用戶通過“算法想象”建立起自己對平臺(tái)的認(rèn)識(shí),進(jìn)而通過了解其性能塑造算法本身。這種作用可能會(huì)影響到內(nèi)容生產(chǎn)者在沒有完全意識(shí)到這一點(diǎn)的情況下,被迫不斷調(diào)整作品的形式和語義主體,被引導(dǎo)去遵從主導(dǎo)敘事,以適應(yīng)算法環(huán)境的結(jié)構(gòu)約束?！?5〕這會(huì)帶來對內(nèi)容生產(chǎn)的興趣趨向的塑形。一些內(nèi)容提供商和專業(yè)人士選擇使用個(gè)人或集體策略“取悅”算法,〔66〕從而改變其內(nèi)容生產(chǎn)中的興趣特征?？煞Q之為“算法專家”〔67〕的用戶引導(dǎo)其他內(nèi)容生產(chǎn)者學(xué)會(huì)平臺(tái)的算法推薦規(guī)則、順應(yīng)其商業(yè)化;“算法專家”通過在YouTube上向創(chuàng)作者出售算法可見性理論,充當(dāng)著YouTube行業(yè)和文化制作人代理之間的中介。在YouTube上,自封的“算法專家”聲稱知道算法是如何“實(shí)際工作”的。我們可以把算法知識(shí)視頻視作“市場設(shè)備”,它們使平臺(tái)對算法客觀性的敘述合法化,教創(chuàng)作者如何計(jì)算內(nèi)容的價(jià)值并根據(jù)平臺(tái)指標(biāo)對其進(jìn)行格式化,鼓勵(lì)創(chuàng)作者建立和管理受眾,以及證明繼續(xù)制作內(nèi)容的合理性。〔68〕平臺(tái)中的“算法活動(dòng)家”總結(jié)出程序化選擇的知識(shí),幫助用戶傳播信息和提高受歡迎程度?！?9〕“算法專家”建立起平臺(tái)用戶的“算法想象”,進(jìn)而作用于用戶有關(guān)平臺(tái)關(guān)注和不關(guān)注什么內(nèi)容、生產(chǎn)和不生產(chǎn)什么內(nèi)容的興趣空間和傾向性,也使得用戶在和算法的交互中同其他用戶產(chǎn)生互動(dòng)。如何“取悅”算法,成為“算法專家”和“算法活動(dòng)家”影響平臺(tái)興趣計(jì)算、興趣推送的途徑。從“意見領(lǐng)袖”到“算法專家”,也體現(xiàn)出傳統(tǒng)媒介和算法媒介中“有影響力”者在影響模式上存在重大差異。

(五)算法使用度與興趣領(lǐng)袖

用戶與算法的互動(dòng)程度和反饋循環(huán)影響著算法的推送。算法針對用戶興趣進(jìn)行的推薦不是單純地由該用戶自身興趣所決定,其中另一種重要因素是算法中的“活躍用戶”。對算法進(jìn)行高度反饋的活躍用戶的興趣與偏好更容易經(jīng)由算法而被推送給其他用戶。這些用戶喜好和不喜好什么、收聽和不收聽什么在算法記錄系統(tǒng)中的行為反饋較多,留下的數(shù)據(jù)痕跡較多,算法推薦的結(jié)果更多地受到這些用戶或其所喜好項(xiàng)目的影響。音樂推薦平臺(tái)中,不那么狂熱的用戶留下的痕跡較少,推薦系統(tǒng)的目標(biāo)是鼓勵(lì)他們留下更多的痕跡,這引發(fā)系統(tǒng)越來越貪婪地?cái)?shù)據(jù)收集?！?0〕Yu對來自Twitter的數(shù)據(jù)集進(jìn)行了實(shí)驗(yàn),比較現(xiàn)有算法的推薦性能,確認(rèn)每種算法的性能都高度依賴于活躍用戶,每當(dāng)活躍用戶發(fā)生變化時(shí),推薦命中率就會(huì)顯示出很高的偏差?！?1〕過度活躍的用戶會(huì)強(qiáng)烈影響特定類型的推薦系統(tǒng),平臺(tái)推薦與活躍用戶的興趣一致的內(nèi)容,無意中會(huì)放大活躍用戶的興趣?！?2〕算法記錄痕跡中的活躍用戶盡管可能粉絲不多、地位不高、好友鏈接不多,但基于“算法→用戶”互動(dòng)中的高頻度使用和反饋,而使得算法更容易根據(jù)這些用戶的喜好對其他用戶進(jìn)行推薦。這些用戶在算法中的“痕跡”使得平臺(tái)產(chǎn)生了系統(tǒng)性的轉(zhuǎn)向,也使得個(gè)體真正的自由興趣、自主興趣遭到損傷,被其他一些用戶的興趣所導(dǎo)向和面向算法為自己“代言”。對算法系統(tǒng)反饋少的人被迫與算法系統(tǒng)中的“活躍用戶”變得相似。在算法交互中的高活躍用戶還會(huì)在算法系統(tǒng)中形成一種迭代循環(huán),〔73〕不斷放大先前已是活躍用戶的興趣對平臺(tái)中其他用戶興趣的影響力和擴(kuò)散力。

(六)用戶流行度與興趣領(lǐng)袖

被推薦者存在著非均衡性與“馬太效應(yīng)”,小部分流行用戶在算法系統(tǒng)中具有更好的被推薦度,使得用戶系統(tǒng)發(fā)生熱門推薦及其興趣的非均衡演化。算法推薦給大多數(shù)藝術(shù)家更少的機(jī)會(huì),讓用戶集中在更少的項(xiàng)目上?！?4〕對引入Who to Follow功能前后Twitter網(wǎng)絡(luò)結(jié)構(gòu)的變化進(jìn)行研究,可以發(fā)現(xiàn),不同流行度的用戶都能從推薦中受益;然而,最受歡迎的用戶的受益遠(yuǎn)遠(yuǎn)高于平均水平;人們更有可能對熱門用戶的推薦作出積極回應(yīng),進(jìn)一步放大了知名人士的累積優(yōu)勢?！?5〕對98名微博用戶的近10萬條數(shù)據(jù)以及對他們的問卷調(diào)查進(jìn)行分析,可以發(fā)現(xiàn),“推薦流”更傾向根據(jù)那些大V的興趣方向來判斷用戶興趣;微博默認(rèn)有名望者的影響力要超過普通人;具有較高領(lǐng)域權(quán)威的明星、名人、機(jī)構(gòu)企業(yè)比起與用戶關(guān)系密切的好友或大部分普通用戶,更能影響甚至最終主導(dǎo)用戶所接收到的內(nèi)容;這種基于“關(guān)鍵少數(shù)法則”所進(jìn)行的算法推送可能會(huì)進(jìn)一步造成網(wǎng)絡(luò)空間中對弱小聲音、新聲音的抹除?！?6〕在算法平臺(tái)中“關(guān)鍵少數(shù)”的高流行度用戶,更可能影響到其他用戶接收到的內(nèi)容及其興趣變化發(fā)展。

(七)用戶連接度與興趣領(lǐng)袖

算法并非單純的算法和用戶之間的關(guān)系,還包括算法對于人群的推送關(guān)系,這個(gè)人群具有各種網(wǎng)絡(luò)互動(dòng)關(guān)系與在線聯(lián)系。Lin等在一個(gè)電影評級數(shù)據(jù)集上的實(shí)驗(yàn)表明,一個(gè)占主導(dǎo)地位的群體將在協(xié)同過濾推薦生成中貢獻(xiàn)更多的“鄰居”,并憑借其在這些群體中的存在影響算法的預(yù)測,推薦算法優(yōu)先考慮主導(dǎo)群體的偏好?！?7〕推薦系統(tǒng)的特點(diǎn)是它們?nèi)绾文M用戶來把人們聚集在一起,無論顯式或隱式?！?8〕在無標(biāo)度網(wǎng)絡(luò)中,具有長尾分布的真實(shí)網(wǎng)絡(luò)會(huì)制造一組超穩(wěn)定節(jié)點(diǎn),這些節(jié)點(diǎn)具有如此多的“推薦”(度數(shù)),以至于它們的排名變得獨(dú)立于誰推薦它們?！?9〕算法推薦在群體交互中更能使意見共存,形成共識(shí)群體?！?0〕或者說,具有更強(qiáng)的社會(huì)連接、社會(huì)同質(zhì)性的個(gè)體,在算法作用下更容易得到向其他用戶的推薦,在算法平臺(tái)中生成更多的連接,它們的興趣喜好也更容易向其他用戶輻射。Espin-Noboa等人研究了Page Rank和Who to Follow(WTF)這兩種著名的算法,少數(shù)群體可以通過在網(wǎng)絡(luò)中進(jìn)行戰(zhàn)略性連接來提高他們在排名中的可見度?！?1〕提升用戶在網(wǎng)絡(luò)中的連接度,關(guān)系到他們在算法平臺(tái)中的可見度、被推薦度及其興趣引領(lǐng)度。

六、結(jié) 語

興趣的演化具有一定程度的穩(wěn)定性和“生成興趣”的規(guī)律性,既不像意見、輿情那樣瞬息萬變,也不像文化那樣過于難調(diào)控。對此,興趣引領(lǐng)、興趣引導(dǎo)擁有充分的深化空間。基于興趣領(lǐng)袖的用戶興趣和平臺(tái)興趣調(diào)控是一個(gè)富礦,具有理論和實(shí)踐上的重要意義。本研究的主要目標(biāo)在于:明確提出推薦算法平臺(tái)“興趣領(lǐng)袖”理論內(nèi)涵與模式,拓展用戶“興趣傳播學(xué)”理論資源與闡釋向度,進(jìn)行中國算法環(huán)境下“興趣領(lǐng)袖”如何可能、如何作用、如何調(diào)控的闡述和應(yīng)用,強(qiáng)調(diào)從“意見領(lǐng)袖”到“興趣領(lǐng)袖”、從“議程設(shè)置”到“興趣設(shè)置”的視域轉(zhuǎn)向,實(shí)現(xiàn)算法傳播關(guān)鍵用戶理論、意見領(lǐng)袖理論等的本土化擴(kuò)展。

推薦算法“興趣領(lǐng)袖”所需要強(qiáng)調(diào)的內(nèi)涵有:算法技術(shù)“裝置”和“物體系”興趣傳播中的“人”;算法的人機(jī)關(guān)系中的用戶間興趣傳播關(guān)系;從算法機(jī)器的興趣計(jì)算、興趣迎合到興趣領(lǐng)袖的興趣引領(lǐng);算法中從平臺(tái)、資本、權(quán)力的興趣控制到受眾個(gè)體的興趣影響力;算法和受眾的復(fù)合體作為以算法為中介的社會(huì)興趣再生產(chǎn)方式。

推薦算法平臺(tái)可能生成“興趣領(lǐng)袖”的機(jī)理包括以下方面。1.算法多級傳播及其中間用戶的興趣影響。算法的推送并非直接作用于受眾興趣,而是受到受眾的算法抵抗、算法想象、算法厭惡等反作用,這需要中介性的平臺(tái)“興趣影響者”在算法和受眾之間進(jìn)行連接與中轉(zhuǎn)。2.用戶對算法的反向馴化。算法平臺(tái)用戶不只是單純地被算法所推送和塑造,也反過來對算法的計(jì)算、數(shù)據(jù)偏差及其推送有影響。3.從算法黑箱到算法“可見性”游戲。算法平臺(tái)用戶的遵循算法流量邏輯,將促成對算法游戲中“成功用戶”和興趣典范用戶的模仿。4.算法不平等與興趣優(yōu)勢用戶,算法非理性與興趣偏差。算法固有的數(shù)據(jù)問題例如稀疏數(shù)據(jù)、不均衡數(shù)據(jù)、對推薦召回率的追求等,將導(dǎo)致推薦算法系統(tǒng)的非理性計(jì)算,推薦過程中興趣被部分具有優(yōu)勢的用戶興趣所偏轉(zhuǎn)。對算法進(jìn)行高度反饋的活躍用戶的興趣與偏好更容易經(jīng)由算法而被推送給其他用戶。5.算法中的用戶興趣偽個(gè)性化與公眾興趣引領(lǐng)。從個(gè)性化興趣推送到樣板化興趣推送。推薦算法在計(jì)算時(shí)對于個(gè)體會(huì)抽象出共性化的個(gè)性,找出抽象的人然后尋求類似特點(diǎn)和類似的人,使得看似個(gè)性的推薦實(shí)際發(fā)生偽個(gè)性化,對個(gè)體按照其“類”的興趣偏好進(jìn)行內(nèi)容推送。

推薦算法平臺(tái)的“興趣領(lǐng)袖”主要有以下模式。其一是基于算法可見性的高可見度用戶產(chǎn)生的興趣引領(lǐng)角色,可稱之為“高算法可見度興趣領(lǐng)袖”;其二是基于算法不平等產(chǎn)生的特定優(yōu)勢用戶及其興趣引領(lǐng)角色,可稱之為“高算法優(yōu)勢度興趣領(lǐng)袖”;其三是基于用戶代表性產(chǎn)生的與其他用戶具有高相似度的興趣引領(lǐng)角色,可稱之為“高算法代表性興趣領(lǐng)袖”;其四是基于算法迎合度的承擔(dān)“算法專家”等功能的興趣引領(lǐng)角色,可稱之為“高算法迎合度興趣領(lǐng)袖”;其五是基于算法使用度的具有對算法系統(tǒng)高反饋度的興趣引領(lǐng)角色,可稱之為“高算法活躍度興趣領(lǐng)袖”;其六是基于用戶流行度的算法平臺(tái)興趣引領(lǐng)角色,可稱之為“高算法流行度興趣領(lǐng)袖”;其七是基于用戶連接度的算法平臺(tái)興趣引領(lǐng)角色,可稱之為“高算法連接度興趣領(lǐng)袖”。

對于推薦算法平臺(tái)“興趣領(lǐng)袖”角色、模式與作用機(jī)制的明確,有助于增強(qiáng)對其應(yīng)用和實(shí)際調(diào)控。這些調(diào)控,不只是對于用戶“興趣”和平臺(tái)興趣擴(kuò)散的調(diào)控,它們涉及內(nèi)蘊(yùn)于興趣而又超越于興趣的復(fù)合調(diào)控乃至文化引導(dǎo)。1.興趣調(diào)控維度。對興趣的引導(dǎo)和調(diào)控不是意見調(diào)控、態(tài)度調(diào)控、情感調(diào)控、價(jià)值觀引導(dǎo)能取代的,具有特殊性和重要性。興趣領(lǐng)袖的調(diào)控作用有助于提升算法社會(huì)從意見調(diào)控、情緒調(diào)控、輿論調(diào)控到興趣調(diào)控的治理實(shí)效,規(guī)避國內(nèi)外復(fù)雜情形下的“興趣操縱”風(fēng)險(xiǎn)。在興趣領(lǐng)袖和興趣傳播、興趣調(diào)控的語境下,有助于明確提出并凸顯算法環(huán)境“興趣領(lǐng)導(dǎo)權(quán)”的理論和實(shí)踐向度。以習(xí)近平同志為核心的黨中央提出要牢牢掌握意識(shí)形態(tài)工作的領(lǐng)導(dǎo)權(quán)。結(jié)合“文化領(lǐng)導(dǎo)權(quán)”(cultural hegemony)〔82〕等理論,可明確提出國家意識(shí)形態(tài)工作的“興趣領(lǐng)導(dǎo)權(quán)”的理論及實(shí)踐向度,重視和加強(qiáng)黨和國家對于網(wǎng)絡(luò)文化、算法文化的興趣引領(lǐng)力。2.用戶調(diào)控維度。以新的理論視角來定位、引導(dǎo)與應(yīng)用算法網(wǎng)絡(luò)傳播中的關(guān)鍵用戶,在KOL(關(guān)鍵意見領(lǐng)袖)之外,挖掘符合中國特色社會(huì)主義先進(jìn)文化的“關(guān)鍵興趣領(lǐng)袖”。抓住興趣的“領(lǐng)頭羊”,有助于事半功倍地發(fā)揮其正面示范、激發(fā)、帶動(dòng)作用,在“網(wǎng)紅”時(shí)代和資本擴(kuò)張背景下促進(jìn)健康有序的網(wǎng)絡(luò)文明引導(dǎo)。3.平臺(tái)調(diào)控維度。面向算法平臺(tái)受到的文化工業(yè)、流量經(jīng)濟(jì)、網(wǎng)紅經(jīng)濟(jì)、算法殖民的負(fù)面影響,以及產(chǎn)生的商業(yè)化、低俗化、娛樂化、極端化等不良內(nèi)容偏向,通過興趣傳播維度審視平臺(tái)文化趨向、內(nèi)容偏向的治理難題,也使得基于用戶興趣擴(kuò)散網(wǎng)絡(luò)調(diào)控下的“平臺(tái)興趣調(diào)控”乃至“平臺(tái)文化氣質(zhì)調(diào)控”成為內(nèi)蘊(yùn)之義。在此意義上,興趣領(lǐng)袖的角色、功能涉及對于平臺(tái)興趣、文化進(jìn)行調(diào)控的可能維度。4.輿情調(diào)控維度。以興趣調(diào)控來實(shí)現(xiàn)對平臺(tái)中關(guān)注什么和不關(guān)注什么內(nèi)容、偏好什么和不偏好什么主題的引導(dǎo),實(shí)現(xiàn)從“議程設(shè)置”到“興趣設(shè)置”、從興趣設(shè)置反作用于議程設(shè)置的循環(huán)體系。5.價(jià)值調(diào)控維度。興趣是連接感性認(rèn)知和對事物價(jià)值判斷的中間層面,興趣調(diào)控有助于從感性喜好和認(rèn)知判斷的薄弱環(huán)節(jié)對算法進(jìn)行主流價(jià)值的注入與導(dǎo)向。興趣涉及感性、趣味、康德哲學(xué)意義上的“判斷力”等層面,不同于理性認(rèn)知、思想體系和價(jià)值體系。但對感性的控制、引導(dǎo)、革新或解放,往往關(guān)系到意識(shí)形態(tài)和價(jià)值體系層面,對主體形成在感性層面的“規(guī)訓(xùn)”和“權(quán)力”,為伊格爾頓探討的“審美意識(shí)形態(tài)”〔83〕、馬爾庫塞探討的“新感性”〔84〕所強(qiáng)調(diào)。價(jià)值觀的調(diào)控不只是對于抽象的思想體系的引導(dǎo),也關(guān)系到對于喜好什么、不喜好什么的感覺層面的引導(dǎo)。興趣處于感性和思想價(jià)值體系的中間層面,對其引導(dǎo)和調(diào)控在算法文化建設(shè)中得到的明確重視還有待加強(qiáng)。

興趣領(lǐng)袖著眼于算法平臺(tái)的特殊機(jī)制,而算法傳播的特點(diǎn)和社交媒體或傳統(tǒng)媒體具有很大的差異,不能把舊媒體的“意見領(lǐng)袖”作用簡單類推用以理解新的算法媒體中的“興趣領(lǐng)袖”。借用麥克盧漢的表述,不能通過“意見領(lǐng)袖”等“后視鏡”來看待前方?！?5〕迫切需要重視推薦算法環(huán)境中的“興趣領(lǐng)袖”角色、功能與意義,這關(guān)系到意見領(lǐng)袖、算法權(quán)力等研究的本土理論拓展,以及實(shí)踐深化的可能空間。首先,在推薦算法平臺(tái)“計(jì)算理性”“算法霸權(quán)”和“興趣殖民”作用下,影響和引領(lǐng)平臺(tái)用戶興趣的“關(guān)鍵用戶”得到的重視及機(jī)制分析還不足,對此需要予以強(qiáng)調(diào)。其次,對用戶的興趣引導(dǎo)需要充分發(fā)揮興趣“領(lǐng)頭人”的作用,提升引導(dǎo)實(shí)效。最后,興趣的傳播不同于意見的傳播,而興趣在算法傳播中尤其具有特殊性和重要性,因此有必要強(qiáng)化本土“興趣傳播學(xué)”的理論深化與實(shí)證推進(jìn)。