視頻個性化推薦的應用特點和優化路徑

□ 梁一帆

在流量思維以及流量池思維的影響下，眾多視頻傳播平臺不遺余力地探索如何借用老用戶源源不斷地挖掘新用戶。推薦實質上是經由系統挑選后的信息傳遞過程，它的整個運作流程涉及信息的生產者、篩選者以及用戶。而基于不同傳播平臺變化所引起的視頻推薦模式的迭代，歸根結底由兩方面的因素決定：一是技術的進步；二是用戶的需求。隨著技術的不斷進步以及用戶需求的不斷提高，視頻傳播平臺經歷了以電視、視頻網站（綜合視頻平臺）及短視頻App為主導的嬗變，每一種新的平臺都是對以往平臺的繼承與發展。

一、個性化推薦在視頻傳播平臺中的應用特點

在視頻傳播平臺不斷升級的進程中，個性化推薦經歷了三個時代：一是主動訂閱時代；二是因需搜索時代；三是算法分發時代。對用戶而言，三種不同的推薦模式產生不同的效果，分別是：功能滿足、搜索滿足和興趣滿足。

（一）智能電視：視頻推薦模式1.0及推薦特點

電視機的發展經歷了從黑白到彩色、從模擬到數字、從球面到平面的迭代。在技術的迭代下，得益于國家大力推動“三網融合”產業發展，電視也邁入了智能時代，升級成為家庭多媒體信息平臺。相比于普通電視，智能電視搭載了一套開放式操作系統，因而具備聯網功能。在此基礎上，在與用戶的交互程度上得到初步發展，進入“主動訂閱”時代，本研究將其稱為“視頻推薦模式1.0”。主要呈現的特征如下：

一是點播功能實現時移播放。在傳統電視機中，用戶通過接收廣播電視信號，選擇觀看不同頻道正在播放的電視節目。當電視具備互聯網功能后，在線視頻服務利用導航頁面，根據類別劃分不同模塊，將視頻資源庫中的大量內容呈現給用戶，不僅豐富了視頻內容，而且推出“點播”功能，使用戶能夠更加靈活地安排觀看時間。如果用戶錯過了某個頻道播放的節目內容或者電視連續劇，也可以使用“回放”功能來彌補，實現時移播放。

二是搜索功能擴展交互方式。智能電視中，用戶可以在系統自帶的應用市場中，根據需要安裝、升級、卸載各種各樣的應用程序，使電視功能得到擴展。用戶下載安裝影視搜索類軟件，點擊進入，便可利用文本或者語音方式，搜索想看的視頻。在用戶進行主動搜索的過程中，智能電視會不斷推薦與之相似的視頻。

三是共享賬戶實現初級推薦。盡管智能電視憑借雙向機頂盒能夠對觀眾完成簡單的初級推薦，但此過程當中畫像的準確率和推薦的精確率，目前還處于低級階段。一個主要原因是：一臺電視往往由一家人共享。在這臺電視機的共享賬戶記錄中，留下了所有家庭成員觀看、點播、回放、搜索的記錄。因此，智能電視得到的用戶畫像，事實上是對一個家庭中所有成員的收視偏好的總的描述，并未具體到個人，相應地，推薦結果也無法實現完全個性化的推薦，只能在電視功能得到擴展的基礎上，讓用戶體驗到初步的滿足。

（二）視頻網站：視頻推薦模式2.0及推薦特點

隨著Web2.0時代的到來，國內外各大視頻網站（綜合視頻平臺）紛紛如雨后春筍般出現在網絡生活中。國際上，諸如YouTube、Hulu、Netflix等；在國內，諸如愛奇藝、嗶哩嗶哩（以下簡稱B站）、騰訊視頻、搜狐視頻、優酷、土豆、樂視視頻等，在近十幾年的探索和發展中，均經歷了萌芽、發展、成熟、整合等發展歷程。

熱門影視劇推薦曾經一度是大多數綜合視頻平臺慣常采用的視頻推薦方式，在此方式下，推薦的內容不具有個性化，內容整體上表現出千篇一律的特點。為了實現更優的傳播效果、使廣告達到精準投放，視頻網站對用戶歷史搜索行為進行有效分析，挖掘用戶觀影偏好，在推薦過程中主要呈現的特征如下：

一是捕捉熱點信息，保證點擊率。視頻網站熱點信息推薦是一種常規的信息推薦方式。在推薦內容和推薦形式上各有特色：在推薦內容上，與新聞網站不同，視頻網站中的熱點信息主要指當前最熱門的視頻，如綜藝、熱播劇、娛樂新聞視頻等；在推薦形式上，電商網站通常利用其他網站的彈出窗口實現熱點信息推薦，而在視頻網站，一旦用戶打開網站首頁，最新的熱點視頻便會占據至少1/3的屏幕，在非常顯著的位置出現，或者是以“榜單推薦”的導航欄呈現。對于常見的PGC視頻網站而言，它們通常采用與節目制作公司簽訂合同的方式，獲取熱點視頻（綜藝、熱播劇等）的獨播權，以此滿足用戶搶先觀看的需求。在此種情況下，由于網站獲取獨播權的熱點視頻在前期已經進行了充分的宣傳工作，因此，這些熱點視頻本身就是視頻網站點擊量的保證。而對于UGC視頻網站而言，那些獲得用戶瀏覽、評論、發彈幕、分享等操作量最高的作品，就是它的熱點視頻，于是互動性高的作品反而保證了用戶接受度以及熱點視頻的熱度。

二是挖掘用戶興趣，提供推薦依據。利用挖掘用戶興趣進行視頻推薦的方式來源于協同過濾算法推薦。在協同過濾算法中，主要包含兩種推薦方式：一種是以用戶為主體，另一種則以項目為主體。如表1所示，在視頻網站推薦過程中，以用戶為主體的推薦實質上指基于用戶瀏覽行為（瀏覽、點擊、評論、發彈幕、收藏、下載、分享、快進、快退等）的推薦，對瀏覽行為的挖掘有助于建立用戶興趣模型。此外，興趣模型也會根據瀏覽行為、日志文件等進行實時更新。因此，對于用戶而言，系統推薦的視頻也是跟隨興趣模型數據不斷更新的。以項目為主體的推薦實質上指基于用戶瀏覽內容（視頻標題、類型、地區、語言、導演、演員、劇情等）的推薦。系統在對以上瀏覽內容完成識別后，抓取關鍵詞并確定其權重，得到視頻信息的向量模型，進而得出視頻相似度。

表1 以用戶興趣為主的視頻推薦方式

不論是對于用戶瀏覽行為的跟蹤，還是對于用戶瀏覽內容的解析，都是為了挖掘用戶興趣，構建用戶興趣模型，以便將視頻網站中的內容資源模塊與之進行匹配，進而形成推薦列表，產生個性化推薦結果。在視頻網站中，產生的個性化推薦結果通常通過單列“相似推薦”等模塊展現。不論是愛奇藝的“為您精選”模塊、優酷的“為你推薦”模塊以及騰訊視頻的“相似推薦”模塊，當用戶在觀看完某一部視頻或者與網站產生其他交互行為后，視頻網站會推薦與該視頻相似的內容，或者是推薦看過該視頻的其他用戶喜歡的其他視頻資源。

三是引進專題定制，實現資源整合。在視頻網站中，相比于熱點信息推薦和相似推薦等模式，專題定制模式更具有主動性和針對性。較早時期，基于專題定制的信息推薦模式曾廣泛用于圖書館建設、電子商務網站及期刊出版等領域。在當下疫情防控特殊時期，疫情專題信息使相關研究人員縮短了資料搜集和整理的過程，使其能夠快速獲得有用的信息，有效提升了相關工作人員的工作效率。

為了減少用戶手動搜索的煩瑣，以及避免搜索關鍵詞不夠精準等麻煩，專題定制的視頻推薦服務逐漸被各個視頻網站所采用。不同的視頻網站采用不同的專題定制視頻推薦形式，主要有自主訂閱形式、分區頻道形式、定期推送形式（表2）。

表2 視頻網站專題定制推薦形式

四是運用社會標引，發展圈層文化。在進行個性化推薦時，視頻網站對視頻資源進行人物、場景、語音、文字等方面的識別與歸類，便于視頻內容搜索與推薦。但由于網站所謂的分類標簽不夠細化，而且視頻資源同時包含音頻、文字和圖片等素材，這無疑提高了對視頻資源檢索的難度，因此傳統的以網站為主體的主題標引推薦準確率往往不高。在此背景下，部分視頻網站和系統引入了社會標引，社會標引逐漸成熟。社會標引賦予用戶更多的權力，允許用戶自由使用詞匯完成自主標引，這一舉動有效促進了視頻網站上資源的整合與歸類。在國外，Flick較早引入社會標引方式；在國內，截至目前，幾大主流視頻網站中，只有B站向用戶推出社會標引功能。

B站自2009年6月創建以來，用戶、標簽及資源間的相互促進，促使該平臺成為以青少年為主的社區。用戶本身具有較強的學習能力和模仿能力，他們可以用較短的時間將B站社區的語言文化諳熟于心，繼而把這類文化引入其中，使其成為一種獨特的標引范例。譬如，B站用戶在對視頻資源進行描述時，并非使用視頻網站提供的標準，而是選用更加有趣且吸引注意力的方式，如“燃到炸裂”“菜得摳腳”等。B站里充滿幽默風趣的標簽內容主要涉及以下方面：內容主題、作品評論、人物主體、涉及作品、系列名稱、相關責任者、作者評論、觀看指南及抽象形容等。各類視頻標簽內容，相比文字標簽更具“娛樂性”。對于標引娛樂化現象，已有學者進行總結，娛樂標簽即用戶運用比傳統語言更能吸引注意力且采用更加有趣的語言描述資源的標簽?！八泄娫捳Z都逐漸以娛樂的方式呈現……電視和印刷術的思維方式是完全不一樣的……”。波茲曼直截了當地說明：鉛字和視頻會使人產生不同的思維模式。

對于B站這樣一個有自己語言體系的社區來說，用戶憑借社區獨有的表達方式為觀看的視頻資源貼標簽，是文化認同的表現。無論是出于資源的組織與描述，還是表達意見的需要，B站中獨有的標引方式，在方便用戶表達情感反應的同時極大提高了視頻資源的組織與推薦效率。

（三）短視頻：視頻推薦模式3.0及推薦特點

如果說，以智能電視和視頻網站為主的傳播平臺，不能較好地使用戶感受到推薦算法的優勢，在以社交類短視頻軟件為主的傳播平臺中，用戶無疑深刻地感受到算法對其獲取內容及分享內容的影響。對于當今眾多的普通短視頻用戶而言，絕大多數用戶實質上并不了解視頻推薦算法的技術邏輯，他們多數時候所進行的視頻內容消費，都是在推薦系統作用下完成的?？焓侄兑粢曨l號推薦的短視頻內容、今日頭條推送的小視頻、新浪微博彈出的各種視頻鏈接、愛奇藝優酷等形成的影視劇推薦列表……無時無刻不在向用戶進行推薦。

從智能電視到視頻網站再到短視頻平臺，促使推薦算法不斷迭代和完善的原始動力就是提高推薦準確度?？梢哉f，推薦系統在運行過程中，一邊在“斷物”，一邊在“識人”。具體來說：第一，對于用戶而言，他們最大的滿意就是看到符合自身個性的內容，對于所推薦的內容，用戶會留下正向和負向兩種反饋，而這種反饋正是推薦系統借機揣摩用戶興趣偏好的依據，對于用戶的偏好越了解，后續向他推薦的內容便越合他的胃口。第二，對于內容而言，它的目的就是找到愿意看它的用戶，只是愿意看還不夠，最好是進行點贊、評論、收藏以及轉發等互動行為，這樣的傳播效果才是最理想的。

短視頻時代的推薦算法是視頻推薦發展變革的一個新階段，本研究將其稱為“視頻推薦模式3.0”。與電視時代和視頻網站的內容推薦模式相比，我們能夠明確地感覺到，視頻推薦模式已經進入了新時代。其推薦模式深深的展現出新技術烙印，與此同時，也將短視頻時代內容產業發展的美好前景展現在人們眼前。

一是完善用戶畫像，優化內容策劃。在我們使用快手、抖音等不同的短視頻移動應用及微信視頻號時，不少用戶會產生好奇，為什么有時候系統推薦的視頻內容讓人忍不住觀看，而有時候又覺得系統一點兒也不夠智能，推薦的視頻內容無聊至極，想要立刻關閉應用甚至卸載。究其原因，實質上是因為系統此時對用戶的畫像以及對自身平臺上的內容的畫像不夠精準，這樣的后果便是用戶黏性差、產品被卸載率高，最終只能被市場淘汰。

因此，用戶偏好獲取是推薦過程中相當關鍵的一步。對此，短視頻推薦首要解決的問題是用戶畫像問題，只有明確視頻內容是拍給哪類群體看，才能有針對性地進行創作。目前，對于眾多短視頻平臺的推薦算法而言，用戶畫像實則是將用戶信息實行多次組合排列。靜態畫像數據一般具有人口統計學特點，包含用戶的性別、年齡、學歷、職業、婚姻情況、興趣愛好、行為、使用機型等。以上數據通常較為穩固，獲取的方式主要有兩種：一是請求直接填寫；二是調用其他平臺已有信息。動態畫像數據指用戶在與產品進行交互時產生的顯式或隱式行為。具體而言，顯式行為主要包含對短視頻作品的點贊等常規交互行為。隱式行為是指短視頻作品的完播率、是否快進、持續觀看時間、用戶跳出點等。在這里，動態數據主要取決于產品場景，每種行為都有各自的權重。通常情況下，隱式行為的權重低于顯式行為。不過在實際操作過程中，兩種行為具有互補性，以此協助系統實現推薦高精準率的目的。

對此，快手的做法值得行業內其他產品借鑒，它在揣摩用戶的偏好基礎上，將不同的算法進行組合運用，以保證平臺內容的完播率。具體而言，當新用戶點擊快手App后，這時候由于還沒有注冊登錄，系統還無法為用戶形成畫像。因此，只能通過在界面上隨機展示以及瀑布流等方式，吸引用戶盡可能多地與視頻內容進行點贊、評論及轉發等互動內容。一旦用戶與平臺產生交互行為，系統便會開始畫像，參與視頻內容的后續推薦工作。在抖音App中，如果新用戶完成注冊并登錄，就由“同城”“關注”和“推薦”等幾種不同的組合推薦開始推薦工作，為用戶在不同場景下提供所需的視頻內容。三者在同一界面的同時呈現，正是混合推薦的典型應用例子，能夠避免某種單一推薦算法運行所帶來的局限，使推薦結果變得多樣化和公平化。此外，在進行登錄時，如果新用戶選擇利用微信賬號或者微博賬號等第三方平臺進行登錄，這種情況下推薦系統還會調用社會化過濾推薦系統，從而向用戶推薦他們在相關社交平臺上的好友瀏覽過、點贊過、轉發過以及評論過的短視頻內容。

相比于抖音快手，騰訊在2020年初推出的微信視頻號是基于強關系的信息交流。得益于微信這個最大的私域流量池，視頻號的推薦模式由公域轉向私域，更強調關系屬性。因此，在推薦作品時熟人分發比例最高，對創作者而言利于建立社交閉環，加之與公眾號的良性聯動，微信視頻號擁有最多元的變現形式。綜上所述，完善用戶畫像，不論對于短視頻平臺還是短視頻創作者而言，都具有關鍵性作用。

二是匹配相關性，增強內容垂直度。在短視頻推薦算法機制中，以相關性特征作為重要的參考環境特征，利用相關性特征，能夠檢驗內容與用戶是否匹配。匹配方式根據主題、關鍵詞等的不同，采取不同的方式。依據2020年短視頻發展趨勢可得，各大短視頻平臺的網紅IP用戶、大IP用戶都具有垂直化傳播特征。之所以呈現這樣的傳播現象，是因為內容的垂直度直接關乎內容的匹配度。

在算法占領支配地位的短視頻平臺規則里，很明顯，擁有幾百萬甚至千萬級粉絲的創作者，都在持續創作并輸出同一領域的內容。當下，不論是平臺還是創作者，都致力于增強內容垂直度。平臺和創作者們堅信：每一個行業都有其特定的客戶群體，這類群體通常有非常精準且具體的需求。因此，只有專業的內容才能滿足他們。

基于此，快手平臺目前將視頻內容分屬于34個頻道：時尚、軍事、政法、家居家裝、美業、健康、婚慶、本地生活、主持人、教育、人文藝術、讀書、快手課堂、科普、三農、美妝、寵物、健身、房產、快說車、情感、娛樂、廣場舞、舞蹈、體育、聊天室、小劇場、音樂、旅行、二次元、游戲TV、顏值、喜劇、品牌廣場。抖音官方平臺星圖顯示，其賬號分為25個一級類目，每個一級類目下面還有細分目錄。除了星圖平臺對賬號的分類，抖音第三方數據平臺飛瓜對賬號也進行了分類，相比過去，新增了知識資訊、辦公軟件、文學藝術等類別。B站直接把短視頻歸為七大頻道，分別是直播、推薦、熱門、影視、追番、新征程、共同抗疫，每個頻道下再進行一系列細分，共有32個分區。特別是“新征程”頻道，分為紅色展館、百年黨史、青春向黨、百年風華四個分區，便于用戶快速搜索自己感興趣的短視頻領域，實現垂直化分層傳播。

□ 示意圖：用戶偏好獲取是推薦過程中相當關鍵的一步

內容垂直度涉及整個賬號生命周期內創作的內容類型、內容生產方式、賬號營銷宣傳方式、賬號內容可獲得的最大流量等多個方面，所以，創作者需要謹慎作出選擇。目前，母嬰類、教育類、歷史文化類、生活服務類、健康類等垂直領域的專業內容，都正成長為下一波新的市場發展機會。對于原創的垂直領域的內容，平臺算法會將其優先推薦給訂閱粉絲，這類粉絲在觀看此類內容時所產生的動態數據和靜態數據，能夠極大影響接下來的推薦進程。

三是嵌入互動內容，提供附加價值。通過嵌入更為豐富的互動內容，短視頻時代的推薦算法，相比智能電視和視頻網站，賦予了用戶更多表達自我和選擇的權力。顯然人們獲得更多的機會在新媒體平臺上相對自由地表達自我，在整個自我表達的過程中，一方面促進了人們的群體歸屬感；另一方面，也有助于整個社會更好地維持穩定與和諧。

據大數據公司QuestMobile 統計，截止到2018 年6月，微信作為移動社交的App，月活躍用戶規模已達9.3 億。微信公眾號作為其產品之一，數量超2000 萬，月活躍賬號350 萬，月活躍粉絲約8 億，其中95 后用戶數量達2.30 億。而與之形成對照的2018 年9 月3日～9 月9 日教育培訓App 行業周新安裝用戶規模統計中，高等教育僅有34.4 萬，處于各分類最低。本文研究了基于微信公眾平臺在高等教育中的一門通識教育課程——《計算機基礎》教學中的應用，總結出經驗，探索適合高等教育移動學習發展之路。

在短視頻推薦算法運行機制中，點贊、完播率、評論、轉發這四種顯性指數是實現內容被廣泛傳播的必要條件。相比于電視和視頻網站的點贊、評論、轉發，短視頻的完播率更能反映內容能否將用戶吸引。在這里，新的推薦算法也為用戶賦予了更多附加價值，在一定程度上扮演了議程設置者的角色。用戶在短視頻平臺中進行互動時，推薦系統將其選擇行為轉化為完播率等相關行為數據。與此同時，對于部分垂直領域內的專業知識，還可能產生內容付費、打賞等一連串的花費路徑，這些行為向短視頻平臺及內容創作者們提供更為稠密的反饋數據，進而影響隨后的推薦進程。

綜上所述，視頻推薦模式3.0時代也向當前推薦算法的研發與應用能力提出了更高的要求。如果說，以智能電視和視頻網站為傳播平臺的視頻推薦還處于“前算法時代”，那么，以短視頻App為傳播平臺的視頻推薦顯然已正式進入“算法時代”。未來，視頻推薦模式的迭代將會持續深入，傳媒產業的經營主體及相關行業的從業者，除了提升新技術研發與運用能力，更要思考如何從技術規制層面提出促進其良性發展的舉措，爭取在時代潮流中把握好當下內容產業的發展方向。

二、個性化推薦在視頻傳播平臺中的優化路徑

作為數字媒體時代的基礎技術，算法推薦有其雙面性。在短視頻推薦算法運行過程中，經過用戶和技術的賦權后，個性化推薦算法擁有了打破舊局面的特殊權力，且萌發了并不“向善”的動機，分別在受眾層面、行業層面及社會層面引發了一系列新的媒介倫理失范現象。加之人們天生熱愛追求觀點的“同頻共振”，更愿意觀看想看的內容，與觀點相似的人交流溝通，“信息繭房”的破繭之道已成為多學科關注的熱點問題。如今，更加智能的深度學習技術已經代替傳統推薦技術，被用于解決信息的分類和聚類問題，人、技術和社會信息結構展現出了更加復雜的圖景。

針對個性化推薦系統對公共利益造成的種種隱患，應綜合考慮，主要從個性化推薦算法的創設主體、運用主體和收受主體三方面展開討論。尋求技術的優化路徑，進而探討視頻時代“算法+平臺”的推薦模式創新與開放性建構。

（一）創設主體：增強自律管理，評估隱私泄露風險

推薦算法的創設主體即算法的創設者和擁有者。每一種算法技術背后，都深刻地體現著主體們的意志和利益，推薦算法技術在獲取大量用戶、追逐商業利益的過程中，盡管提供了非常誘人的好處，但也帶來了不容忽視的負效應，即用戶數據的安全和隱私受到各種威脅。

推薦系統在追求精準推薦的過程中存在“過度收集”現象。多數移動短視頻應用在安裝使用之前都必須同意其中的某些隱私條款，涉及GPS定位、調用攝像頭麥克風、允許記住密碼、獲取手機通訊錄、讀取SD卡、儲存權限等隱私的設置。諸如此類“隱私換便利”的現象恰恰為用戶隱私泄露制造了機會，也為垃圾廣告騷擾提供了數據支撐。

針對上述網絡空間治理的棘手問題，我國相關法律規定還處于滯后狀態。盡管我國早在2017年6月就實施《中華人民共和國網絡安全法》，但由于技術的快速發展，現有法律法規存在針對性不強、專業度不夠等現狀。

作為技術的提供者——推薦算法創設主體，增強自律管理，接受政府相關部門管理和社會監督，是擺脫技術負效應困境的重要一環。針對用戶隱私泄露問題，已有學者針對“隱私量化”進行了初步研究工作，但研究成果尚未得到推廣。因此，從技術角度對隱私泄露風險進行科學評估，消減公眾的被操縱感，未來應該成為算法創設主體可操作的工作目標。

（二）運用主體：成立行業委員會

短視頻推薦算法運用主體即眾多短視頻社交媒體，對于蓬勃發展的短視頻社交媒體，平臺自律才能夠更好地引導短視頻傳播良性發展。在短視頻社交媒體行業，成立行業委員會，有助于幫助企業探討完善相關準則。

（三）收受主體：提升全面認知及信息管理能力

推薦算法技術的快速發展及其在短視頻領域內的引入，使得視頻內容產品在部分意義上是圍繞著推薦收受主體即短視頻用戶的偏好、興趣以及特質而完成視頻內容的傳播和推送的。長此以往，在這種深層次的隱秘的影響下，推薦算法能夠悄然對短視頻用戶主體身份實施改變。利用推薦算法，一方面視頻內容收受主體能夠了解世界最新的動向；另一方面，也能夠找到處理與世界關系的更好方式，甚至也能在這個過程中，找到與自我對話的最優方式。從這個角度出發，對于視頻內容收受主體而言，推薦算法就發揮著積極的意義，使得其主體性得到較好的展現。

但從另一角度看，在爭取到主體性的同時，視頻內容收受主體也有陷入主體性喪失的危機可能中，在以推薦算法為技術支撐的視頻內容傳播實踐中，視頻內容收受主體自主性的移交就會造成主體性喪失的可能。這種移交表面上看是對信息選擇權力的移交，實質上是對認識世界能力的移交，但推薦算法為內容收受主體呈現的世界并非是真實的。因此，作為推薦算法收受主體的用戶，應當提升全面認知及信息管理能力。

三、結語

視頻時代個性化推薦的模式迭代，帶來人與機器權力結構的不斷改變。人、技術和社會信息結構展現出了更加復雜的圖景。毫無疑問，個性化推薦正在加速網絡空間中的“巴爾干化”，在技術與人這一對關系中，我們應當時刻保持清醒，技術是工具，人是目的，是價值關懷的終點。恰如康德在其《實踐理性批判》中所說：“在全部造物中，人們所想要的和能夠支配的一切也都只能作為手段來運用，只有人及連同人在內一切的有理性的造物才稱得上是自在的目的本身?！?/p>

[1]趙辰瑋,劉韜,都海虹.算法視域下抖音短視頻平臺視頻推薦模式研究[J].出版廣角,2019(18):76-78.

[2]郭小平，張小蕓.計算傳播學視角下短視頻的類型化推薦及優化策略[J].電視研究，2018(12)：32-34.

[3]劉冰,魏均民,沈錫賓等.新型冠狀病毒肺炎疫情期間專題信息服務工作及引發的思考[J].編輯學報,2020,32(02):132-137+144.

[4]Darvish S,Chin A.Dealing with the video tidal wave:the relevance of expertise for video tagging[C]//Acm conference on hypertext &hypermedia.ACM,2010:289-290.

[5]楊玉宇,張鵬翼.視頻社會化標引與標引娛樂化研究——以嗶哩嗶哩彈幕網為例[J].圖書情報工作,2020,64(08):125-133.

[6]尼爾·波茲曼.娛樂至死[M].章艷譯.北京:中信出版社,2015.

[7]張玉潔,董政,孟祥武.個性化廣告推薦系統及其應用研究[J].計算機學報,2021,44(03):531-563.

[8]張宴碩,董雪.算法推薦機制下的短視頻創作與傳播[J].新媒體研究,2020,6(18):117-119.

[9]吳鋒,宋帥華.井噴增長、場景多元、分層傳播:2020年短視頻行業發展特征及趨勢前瞻[J].編輯之友,2021(02):53-58.

[10]張佳.短視頻內容算法[M].北京:人民郵電出版社,2020:136.

[11]劉友芝.知識付費平臺持續發展的現實瓶頸與創新突破[J].編輯之友,2018(11):22-27.

[12]吳鋒,楊曉萍.算法推薦背景下用戶媒介使用對“回音室”效應的影響研究——兼論媒介素養的調節作用[J].西南民族大學學報(人文社會科學版),2022,43(05):142-146.

[13]陳昌鳳,仇筠茜.“信息繭房”在中國:望文生義的概念與算法的破繭求解[J].新聞與寫作,2020(01):58-63.

[14]匡文波,張一虹.論新聞推薦算法的管理[J].現代傳播(中國傳媒大學學報),2020,42(07):120-124+146.

[15]李明德,李巨星.智媒時代算法推薦的社會風險與協同治理[J].青年記者,2021(21):16-18.DOI:10.15997/j.cnki.qnjz.2021.21.018.

[16]張洪忠,斗維紅,張爾坤.圈層的背后:網絡信息傳播的“巴爾干化”分析[J].編輯之友,2022(05):49-53.

[17]康德.康德三大批判合集（下）[M].鄧曉芒譯.北京:人民出版社,2009:100.