大数据背景下电影智能推送的“算法”实现及其潜在问题

发布时间：2023-04-26 02:59

　　智能推荐算法以其精准、高效和对大数据的处理能力而被各大平台网站或手机APP普遍采用,这些推荐算法通过追踪用户行为和个人信息,自动实现对不同用户的精准推送,这在一定程度上提升了用户体验和推荐质量,但同时也存在着一些潜在问题:由于智能算法不能直接读懂电影本身,在提取电影的特征属性加以"向量化"的过程中,依赖于人工标注的文本,且存在一定的物化倾向;同时,在推荐的过程中会因相似用户行为的协同过滤,或反复推送与用户之前的选择相类似的内容,导致内容的同质化;算法中普遍搁置了人的兴趣衰减问题,而是通常默认观影者会长期保有特定偏好;另外,推荐算法作为一种"规则",其背后隐藏的是"权力",其价值尺度的"正义性"经常被搁置或规避。

【文章页数】：7 页

【文章目录】：
一、目前常见的电影推荐算法
    (一) 基于内容的推荐算法
    (二) 基于协同过滤的推荐算法
    (三) 基于图模型的推荐算法
二、智能推荐算法的潜在问题
    (一) 难以精确计量的“权重”
    (二) 属性“向量化”过程中的潜在问题
    (三) 被搁置的兴趣漂移及其衰减曲线
三、推荐算法潜在的文化影响
    (一) “去中心化”和低价值密度的堆砌
    (二) 算法的价值尺度及其“正义性”
四、改进的策略与建议
    (一) 综合技术与人文, 在算法中引入价值权重
    (二) 加强对算法本身的监管, 建立算法“分级”
    (三) 解读算法背后的权力结构, 将人工推荐与算法推荐相结合



本文编号：3801600