社交网络内容分发算法对谣言类舆情传播的影响

随着通信技术的更新、线上经济的发展、配套生态的完善，网络参与在人们日常生活中占据的比重日渐增大。谈及其中出现频率极高的社交网络平台，其随着用户体量的增长，日均产生海量内容，在平台以建立维护用户人际关系连接的基础上，用户产生的庞大数据形成了公共舆论表达的场所。对于这些海量数据，平台如何处理、调配分发？本文将简要介绍主流社交网络平台内容分发算法类型，以及调动广泛社会关注的谣言又是如何在相应算法机制下传播的问题。

一、内容分发算法类型

1、网络信息内容服务平台重点环节的推荐算法

根据2019年发布的《网络信息内容生态治理规定》，其中提到鼓励网络信息内容服务平台在重点环节（包括服务类型、位置版块等），如在平台首页、精选、热门、榜单类页面积极呈现重大政策解读、展示经济社会发展亮点、有效回应社会关切等信息。这部分内容一般通过站方自定义的推荐算法（如根据一定时间内的互动数或阅读数）+人工推荐、人工审核的方式来呈现，占据站内流量大头。

2、 网络信息内容服务平台自然传播推荐算法

社交平台采取算法对内容展现进行处理，表层是优化用户体验，背后的原则来自于本身产品的商业需要。目前主流社交平台的盈利方式大多是广告投放，用户越多越活跃，广告商投放的广告有效性更强，平台集聚的大数据优势也使商业广告能够实现对个人的投放，精准性优势明显。平台希望尽可能地吸纳新用户、留存老用户，以争夺用户注意力与使用依赖作为商业交易筹码，扩大用户流量创造商业价值。了解上述背景后，以下再简要介绍几种较为常见的平台自然传播推荐算法：

①基于用户兴趣的协同过滤推荐算法

在短视频社交类产品中基于用户兴趣的信息分发方式较为常见，这种协同过滤依靠识别分析、贴标签、分类、推荐的逻辑动作运行。一种首先定义整理用户喜好的领域、内容，再对站内内容标签化处理，投其所好将相应内容推荐给用户；另一种则是识别分析用户行为、建立画像，将用户进行区分再群体归类，最后分发信息。例如把某个用户喜好的内容推荐给与其相似的用户，实现该内容在同一用户圈层内的传播。

②基于用户关系的协同过滤推荐算法

edge rank算法，即内容的展现受发布者与用户的亲密程度、互动程度、时间三大因素影响，表现为在使用社交产品时与用户社交连接较强的人，如好友、关注者发布的内容会优先呈现。

page rank算法，借鉴的是学术论文重要性的评估方法，即内容被引用的次数越多其所占据的权重就会越高，如果一个本身权重高的内容引用到另一内容，被引用者的权重也会相应提高，这种内容处理方式在网络意见领袖的传播影响力中表现得较为明显。

③基于互动情况的推荐算法

此种信息分发方式主要是对内容引发的互动行为进行评估，将高互动率的信息分发扩散。例如某内容实时吸引了一定用户观看停留、点赞、评论、转发、收藏等动作，对比其他内容呈现出的高互动率使系统将其推送给更多用户，这种依靠用户互动的筛选机制促成热度的集聚、信息的再生产及传播。

目前在一般的社交平台中，往往都是综合使用多种内容分发算法来实现精准预测和推荐。

二、与谣言类舆情传播的关系

1、重点环节信息分发失误造成的疾速传谣

在内容服务平台重点环节的信息推荐这一层面，从用户日常体验来看，这部分的信息选择各平台有着较大差异性，存在很强的内容服务平台自控因素，如果在曝光强势的重点环节的信息展现出现失误，很可能导致谣言的迅速传播。

2、自然传播：过滤气泡易形成群体极化的传谣环境

而从平台自然传播的内容分发算法的规则来看，其运作出发点基本使围绕用户个人的社交关系偏好、内容偏好以及内容本身的关注竞争力两个维度展开。

一方面围绕用户个人而开展的内容分发容易产生过滤气泡，即在算法的推荐机制下，面向用户喜好产生的信息流形成类似气泡的隔离功能，使每个人被固定在各自的信息孤岛上。除此之外，最初由用户行为对内容的主动选择经过推荐算法的识别加强，不单是在内容上让用户只看到自己想看的信息形成茧房，而且依照社交网络平台以用户关系进行信息分享的基础规则，相同相似观点、态度的用户通常会聚集形成圈层化结构，容易产生群体极化行为，对于谣言类舆情，如果易情绪化、嗜谣的群体中有人捕捉到谣言进行传播，通过群体趋同，谣言酝酿到爆发的进程就会被大大缩短。

3、自然传播：高互动内容筛选机制造成的传谣加速

另一方面，从高互动率竞争的内容分发机制方面来说，在前述已经经过群体传播的谣言类内容会在实时中呈现较高的互动率，而谣言信息本身往往又带有易刺激用户情感、挑战常识认知的特点，促使网民出于求证事件真伪、作为社交手段、展现自身信息优势等各异的原因加速传播进程，两方叠加造成互动率的快速攀升从而导致谣言从群体传播在短时间内实现破圈层传播，甚至引发全网轰动的大规模舆情。

4、 算法控制：“信息杰利蝾螈”效应产生差异化的舆论表达

除了以上为加强用户粘性、改善社交产品盈利情况产生的协同过滤与互动率筛选算法机制，也不得不重点关注对算法本身的监管，如果平台方人为控制算法，可能会引发“信息杰利蝾螈”效应，从而引发不正确的集体记忆。简单来说，“信息杰利蝾螈”效应即通过控制社交网络上用户的社交关系链接和内容展现，可以使用户对某个事件支持者的多寡分布认知造成偏差，最终产生完全不同的舆论表达结果。

如下图所示，本来10个人持有橙色观点，8个人持有蓝色观点，在随机网络下人们通过好友也能大致了解这个比例（a区）；但在过滤气泡影响下，持有相同观点看法的用户会聚集起来形成两大抗衡群体（b区）；而通过控制用户的好友关系和看到的内容后，12个人会认为大部分人都支持蓝色观点，而6个人会认为所有人都支持橙色观点（c区）。这种经过算法控制对用户的信息认知产生改变，从而影响社交网络上舆论，民意的整体表达。

三、小结

从谣言类舆情的产生过程中，社交网络内容分发算法成为了一大助推力量，平台短时间内产生了巨量的流量波动，以谣言调动的高用户活跃度、“吃瓜”吸引而来的用户数量却对网络舆论生态生成了确实的威胁。而目前在对谣言信息的管控方面，还常易出现审核缺位、内容审核机制混乱、有害信息管控滞后、无关信息失误管控等现象，此外在社交平台内容分发的实际应用中，更多的往往是多种算法相结合对信息实现差异化展现，分众化传播，其复杂性给谣言控制和对算法本身的监管都提出了更大挑战。

（部分文字、图片来自网络，如涉及侵权，请及时与我们联系，我们会在第一时间删除或处理侵权内容。电话：4006770986  邮箱：zhangming [at]eefung.com  负责人：张明）