發(fā)布時(shí)間：2020-04-23 09:50

【摘要】：隨著智能推薦技術(shù)的發(fā)展,智能推薦模式也被應(yīng)用在各行各業(yè)。在現(xiàn)階段,內(nèi)容產(chǎn)業(yè)在內(nèi)容分發(fā)過(guò)程中對(duì)推薦模式的應(yīng)用已經(jīng)成為主流。內(nèi)容推薦模式,為用戶提供了高效率、高滿意度的閱讀體驗(yàn),一定程度上解決了信息冗余問(wèn)題。但與此同時(shí),內(nèi)容推薦模式也為內(nèi)容產(chǎn)業(yè)帶來(lái)了前所未有的其他問(wèn)題。如何在發(fā)揮智能推薦模式的優(yōu)勢(shì),如何規(guī)避智能推薦模式的弊端就成為一個(gè)重大課題。本文通過(guò)對(duì)推薦系統(tǒng)在內(nèi)容產(chǎn)業(yè)的應(yīng)用實(shí)例,應(yīng)用文獻(xiàn)分析法、案例分析法和跨學(xué)科研究方法,首先對(duì)內(nèi)容推薦模式的發(fā)展進(jìn)行文獻(xiàn)分析,后對(duì)現(xiàn)階段應(yīng)用于內(nèi)容領(lǐng)域的推薦模式進(jìn)行具體概括描述,后以“今日頭條”、“一點(diǎn)資訊”和微博為例,把內(nèi)容推薦系統(tǒng)大體上分為兩類:基于內(nèi)容的推薦系統(tǒng)及基于社交的推薦系統(tǒng)。針對(duì)這兩種推薦系統(tǒng)的重要環(huán)節(jié)基于傳播學(xué)理論層面進(jìn)行了比較、分析與研究。從用戶分析、內(nèi)容分析和系統(tǒng)分析等環(huán)節(jié)要素中概括了基于內(nèi)容的推薦系統(tǒng);從用戶的人群屬性分析,對(duì)用戶的點(diǎn)擊分析,對(duì)用戶地理位置分析及相似用戶分析概括了基于社交的推薦系統(tǒng)的推薦系統(tǒng),對(duì)這兩個(gè)推薦系統(tǒng)應(yīng)用到的推薦模式也做了具體分析。進(jìn)而對(duì)這些推薦模式在現(xiàn)階段的傳播特點(diǎn)發(fā)展進(jìn)行了概括分析:(1)智能技術(shù)支撐的內(nèi)容推薦技術(shù)迎合用戶的個(gè)性化和定制化,加快了傳播效率;(2)推薦技術(shù)在內(nèi)容平臺(tái)的使用,增加了用戶粘性;(3)智能推薦技術(shù)的應(yīng)用,重構(gòu)了內(nèi)容生態(tài);(4)推薦模式在現(xiàn)階段引起的“信息繭房”;(5)智能模式引起的“超級(jí)全景監(jiān)獄”的反思。對(duì)推薦模式在內(nèi)容產(chǎn)業(yè)對(duì)內(nèi)容生態(tài)的影響及智能推薦模式在內(nèi)容產(chǎn)業(yè)現(xiàn)階段的局限性也做了闡述:(1)引起內(nèi)容上的監(jiān)管不力;(2)當(dāng)前智能推薦模式在技術(shù)上局限性。針對(duì)推薦模式在現(xiàn)階段發(fā)展情況,為推薦模式日后更穩(wěn)健發(fā)展提供了啟示。最后,內(nèi)容推薦模式的發(fā)展對(duì)內(nèi)容生產(chǎn)者、平臺(tái)方及用戶本身也提出了更高的要求,基于內(nèi)容推薦技術(shù)的進(jìn)步,媒介技術(shù)的發(fā)展再次引發(fā)學(xué)界對(duì)技術(shù)善惡論的反思。針對(duì)推薦模式在現(xiàn)階段發(fā)展情況,為推薦模式日后更穩(wěn)健發(fā)展提供了啟示:(1)內(nèi)容推薦者,應(yīng)該注意自己的角色轉(zhuǎn)變,從服務(wù)用戶轉(zhuǎn)到引導(dǎo)用戶;(2)內(nèi)容產(chǎn)業(yè),應(yīng)該保證內(nèi)容源頭的優(yōu)質(zhì);(3)從“受眾”到“用戶”,全民素質(zhì)應(yīng)該提高。
【圖文】：

北京印刷學(xué)院碩士學(xué)位論文 內(nèi)容智能推薦模式的應(yīng)用模式的“短視”問(wèn)題。特別是未經(jīng)改良的推薦模式，基本上屬于用戶看了什么系統(tǒng)推薦什么，系統(tǒng)推薦只關(guān)注目標(biāo)用戶當(dāng)下的關(guān)注，不能真正把用戶的需求和潛在的需求挖掘出來(lái)。除此之外，通過(guò)對(duì)推薦模式的梳理，可以推測(cè)，推薦模式對(duì)用戶取向的趨同大于對(duì)新聞資訊重要性的考量�，F(xiàn)階段的傳播現(xiàn)狀不再是資訊分發(fā)者對(duì)內(nèi)容的價(jià)值判斷，而是新聞獲得者對(duì)新聞熱點(diǎn)的興趣取向。推薦模式的產(chǎn)生及應(yīng)用，把當(dāng)下的新聞產(chǎn)業(yè)的種種問(wèn)題都帶回大眾視野，在下一章中本文講就產(chǎn)生的這些問(wèn)題進(jìn)行梳理。

圖 5-2 基于親密度的社交內(nèi)容匹配精準(zhǔn)投放示意圖綜上所述，推薦模式在新聞資訊產(chǎn)業(yè)的使用，確實(shí)節(jié)省了用戶對(duì)部分信息需求信息獲取的時(shí)間成本，一定程度解決了信息冗余的問(wèn)題，而且，因?yàn)橥扑]模式在行業(yè)的引入，改變了新聞行業(yè)的內(nèi)容生態(tài)。針對(duì)不同類型的用戶，，推薦模式也的確做到了“千人千面”。關(guān)于推薦模式的優(yōu)劣及發(fā)展前景，本文將在下兩章中進(jìn)行梳理闡述。
【學(xué)位授予單位】：北京印刷學(xué)院
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TP391.3;G206

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉強(qiáng);;推薦系統(tǒng)的商業(yè)價(jià)值[J];軟件和集成電路;2019年04期

2 劉天嘯;;大數(shù)據(jù)背景下新聞推薦系統(tǒng)中的問(wèn)題以及解決對(duì)策[J];科技傳播;2019年13期

3 王月星;;國(guó)內(nèi)旅游推薦系統(tǒng)研究進(jìn)展[J];商場(chǎng)現(xiàn)代化;2017年10期

4 常亮;曹玉婷;孫文平;張偉濤;陳君同;;旅游推薦系統(tǒng)研究綜述[J];計(jì)算機(jī)科學(xué);2017年10期

5 王毅;;網(wǎng)絡(luò)推薦系統(tǒng)的三大挑戰(zhàn)——從用戶體驗(yàn)出發(fā)[J];清華管理評(píng)論;2013年06期

6 王海明;;基于大數(shù)據(jù)下電子商務(wù)商品推薦系統(tǒng)的分析[J];環(huán)球市場(chǎng)信息導(dǎo)報(bào);2017年27期

7 ;電商推薦系統(tǒng)進(jìn)階[J];IT經(jīng)理世界;2013年11期

8 王霞;;電子商務(wù)推薦系統(tǒng)評(píng)述[J];福建電腦;2006年08期

9 傅孟如;姜素蘭;閔婭萍;;VAX—11/750機(jī)學(xué)生測(cè)評(píng)、推薦系統(tǒng)的設(shè)計(jì)與應(yīng)用[J];計(jì)算技術(shù)與自動(dòng)化;1989年03期

10 張佳威;;美團(tuán)推薦系統(tǒng)實(shí)證系統(tǒng)[J];農(nóng)家參謀;2018年11期

相關(guān)會(huì)議論文 前10條

1 張燕;李燕萍;;基于內(nèi)容分析和點(diǎn)擊率記錄的混合音樂(lè)推薦系統(tǒng)[A];2009年通信理論與信號(hào)處理學(xué)術(shù)年會(huì)論文集[C];2009年

2 高夢(mèng)晨;;推薦系統(tǒng)用戶感知調(diào)研[A];工業(yè)設(shè)計(jì)研究（第六輯）[C];2018年

3 李成;胡文麗;;推薦系統(tǒng)體驗(yàn)?zāi)Ｐ吞剿鳌�—以視頻推薦為例[A];工業(yè)設(shè)計(jì)研究（第六輯）[C];2018年

4 李成;馮青青;;推薦系統(tǒng)準(zhǔn)確度衡量方案——引入權(quán)重概念[A];工業(yè)設(shè)計(jì)研究（第五輯）[C];2017年

5 王曉光;施玉海;尹亞光;;面向廣電的節(jié)目推薦系統(tǒng)研究[A];中國(guó)新聞技術(shù)工作者聯(lián)合會(huì)2017年學(xué)術(shù)年會(huì)論文集（學(xué)術(shù)論文篇）[C];2017年

6 周小田;王宏志;郭翔宇;胡筱;董志鑫;李建中;高宏;;基于知識(shí)庫(kù)的互聯(lián)網(wǎng)商品信息分類與推薦系統(tǒng)[A];第29屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（B輯）（NDBC2012）[C];2012年

7 湯娟梅;唐嶺;;個(gè)性化英語(yǔ)閱讀文章推薦系統(tǒng)的設(shè)計(jì)[A];計(jì)算機(jī)與教育：理論、實(shí)踐與創(chuàng)新——全國(guó)計(jì)算機(jī)輔助教育學(xué)會(huì)第十四屆學(xué)術(shù)年會(huì)論文集[C];2010年

8 王雪;董愛(ài)華;吳怡之;;基于RFID技術(shù)的智能服裝推薦系統(tǒng)設(shè)計(jì)[A];2011年全國(guó)電子信息技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2011年

9 張玉連;張波;張敏;;改進(jìn)的個(gè)性化信息推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[A];2005年全國(guó)理論計(jì)算機(jī)科學(xué)學(xué)術(shù)年會(huì)論文集[C];2005年

10 王君;許潔萍;;層次音樂(lè)推薦系統(tǒng)的研究[A];第18屆全國(guó)多媒體學(xué)術(shù)會(huì)議（NCMT2009）、第5屆全國(guó)人機(jī)交互學(xué)術(shù)會(huì)議（CHCI2009）、第5屆全國(guó)普適計(jì)算學(xué)術(shù)會(huì)議（PCC2009）論文集[C];2009年

相關(guān)重要報(bào)紙文章 前5條

1 記者 周源;知意圖發(fā)布推薦系統(tǒng)Etu Recommender[N];網(wǎng)絡(luò)世界;2012年

2 本報(bào)記者 鄒大斌;大數(shù)據(jù)：電商新武器[N];計(jì)算機(jī)世界;2012年

3 本報(bào)記者 馮衛(wèi)東;網(wǎng)絡(luò)導(dǎo)購(gòu)：找出你的最愛(ài)[N];科技日?qǐng)?bào);2007年

4 本報(bào)記者 邱燕娜;精準(zhǔn)推薦 一客一市場(chǎng)[N];中國(guó)計(jì)算機(jī)報(bào);2012年

5 張秋明;用數(shù)據(jù)是新技能[N];福州日?qǐng)?bào);2015年

相關(guān)博士學(xué)位論文 前10條

1 徐原博;推薦系統(tǒng)中面向評(píng)分和文本數(shù)據(jù)挖掘的若干關(guān)鍵技術(shù)研究[D];吉林大學(xué);2019年

2 夏彬;基于位置信息社交網(wǎng)絡(luò)的推薦系統(tǒng)研究[D];南京理工大學(xué);2018年

3 王夢(mèng)晗;推薦系統(tǒng)中數(shù)據(jù)缺失問(wèn)題的研究[D];浙江大學(xué);2019年

4 張亮;網(wǎng)絡(luò)推薦系統(tǒng)中基于時(shí)間信息的新穎性研究[D];廈門(mén)大學(xué);2017年

5 蔣偉;推薦系統(tǒng)若干關(guān)鍵技術(shù)研究[D];電子科技大學(xué);2018年

6 練建勛;基于多樣化內(nèi)容數(shù)據(jù)的個(gè)性化推薦系統(tǒng)[D];中國(guó)科學(xué)技術(shù)大學(xué);2018年

7 曹渝昆;基于神經(jīng)網(wǎng)絡(luò)和模糊邏輯的智能推薦系統(tǒng)研究[D];重慶大學(xué);2006年

8 王宏宇;商務(wù)推薦系統(tǒng)的設(shè)計(jì)研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2007年

9 顏端武;面向知識(shí)服務(wù)的智能推薦系統(tǒng)研究[D];南京理工大學(xué);2007年

10 劉龍;一個(gè)能實(shí)現(xiàn)個(gè)性化實(shí)時(shí)路徑推薦服務(wù)的推薦系統(tǒng)框架[D];中國(guó)科學(xué)技術(shù)大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 李強(qiáng);基于圖嵌入的廣告推薦模型[D];吉林大學(xué);2019年

2 王連臣;基于深度神經(jīng)網(wǎng)絡(luò)的論文推薦系統(tǒng)研究[D];吉林大學(xué);2019年

3 夏趙建;基于Item-CF算法在推薦系統(tǒng)中多樣性的研究與應(yīng)用[D];長(zhǎng)江大學(xué);2019年

4 李濤濤;個(gè)性化服務(wù)推薦系統(tǒng)的研究及其在互聯(lián)網(wǎng)醫(yī)療中的應(yīng)用[D];安徽大學(xué);2019年

5 林雨輝;利用深度學(xué)習(xí)構(gòu)建基于內(nèi)容的音樂(lè)推薦系統(tǒng)[D];廈門(mén)大學(xué);2018年

6 陶健;個(gè)性化景點(diǎn)路線推薦系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];廈門(mén)大學(xué);2018年

7 王歡;基于移動(dòng)終端的人才推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];廈門(mén)大學(xué);2018年

8 黃潔;沉默螺旋理論及其在推薦系統(tǒng)中的應(yīng)用[D];廈門(mén)大學(xué);2018年

9 韓修龍;基于興趣流的混合推薦系統(tǒng)研究[D];西南石油大學(xué);2018年

10 孫爽博;多場(chǎng)景推薦系統(tǒng)核心算法研究[D];西南石油大學(xué);2018年

本文編號(hào)：2637603