算法写作新闻

① 有关数学的新闻。有哪些啊给好评。 （10条，简短一点）

刘徽（生于公元250年左右），是中国数学史上一个非常伟大的数学家，在世界数学史上，也占有杰出的地位．他的杰作《九章算术注》和《海岛算经》，是我国最宝贵的数学遗产．

贾宪

贾宪，中国古代北宋时期杰出的数学家。曾撰写的《黄帝九章算法细草》（九卷）和《算法斆古集》（二卷）（斆xiào，意：数导）均已失传。

他的主要贡献是创造了"贾宪三角"和增乘开方法，增乘开方法即求高次幂的正根法。目前中学数学中的混合除法，其原理和程序均与此相仿，增乘开方法比传统的方法整齐简捷、又更程序化，所以在开高次方时，尤其显出它的优越性，这个方法的提出要比欧洲数学家霍纳的结论早七百多年。

秦九韶

秦九韶（约1202--1261），字道古，四川安岳人。先后在湖北，安徽，江苏，浙江等地做官，1261年左右被贬至梅州，（今广东梅县），不久死于任所。他与李冶，杨辉，朱世杰并称宋元数学四大家。早年在杭州“访习于太史，又尝从隐君子受数学”，1247年写成着名的《数书九章》。《数书九章》全书凡18卷，81题，分为九大类。其最重要的数学成就----“大衍总数术”（一次同余组解法）与“正负开方术"(高次方程数值解法)，使这部宋代算经在中世纪世界数学史上占有突出的地位。

李冶

李冶(1192----1279)，原名李治，号敬斋，金代真定栾城人，曾任钧州（今河南禹县）知事，1232年钧州被蒙古军所破，遂隐居治学，被元世祖忽必烈聘为翰林学士，仅一年，便辞官回乡。1248年撰成《测圆海镜》，其主要目的是说明用天元术列方程的方法。“天元术”与现代代数中的列方程法相类似，“立天元一为某某”，相当于“设x为某某“，可以说是符号代数的尝试。李冶还有另一步数学着作《益古演段》（1259）也是讲解天元术的。

朱世杰

朱世杰（1300前后），字汉卿，号松庭，寓居燕山（今北京附近），“以数学名家周游湖海二十余年”，“踵门而学者云集”(莫若、祖颐：《四元玉鉴》后序）。朱世杰数学代表作有《算学启蒙》（1299）和《四元玉鉴》（1303）。《算术启蒙》是一部通俗数学名着，曾流传海外，影响了朝鲜、日本数学的发展。《四元玉鉴》则是中国宋元数学高峰的又一个标志，其中最杰出的数学创造有“四元术”（多元高次方程列式与消元解法）、“垛积术”（高阶等差数列求和）与“招差术”（高次内插法）．

祖冲之

祖冲之（公元429～500年）祖籍是现今河北省涞源县，他是南北朝时代的一位杰出科学家。他不仅是一位数学家，同时还通晓天文历法、机械制造、音乐等领域，并且是一位天文学家。

祖冲之在数学方面的主要成就是关于圆周率的计算，他算出的圆周率为3.1415926<π<3.1415927，这一结果的重要意义在于指出误差的范围，是当时世界最杰出的成就。祖冲之确定了两个形式的π值，约率355/173(≈3.1415926）密率22/7(≈3.14)，这两个数都是π的渐近分数。

祖暅

祖暅，祖冲之之子，同其父祖冲之一起圆满解决了球面积的计算问题，得到正确的体积公式。现行教材中着名的“祖暅原理”，在公元五世纪可谓祖暅对世界杰出的贡献。

杨辉

杨辉，中国南宋时期杰出的数学家和数学教育家。在13世纪中叶活动于苏杭一带，其着作甚多。

他着名的数学书共五种二十一卷。着有《详解九章算法》十二卷（1261年）、《日用算法》二卷（1262年）、《乘除通变本末》三卷（1274年）、《田亩比类乘除算法》二卷（1275年）、《续古摘奇算法》二卷（1275年）。

他在《续古摘奇算法》中介绍了各种形式的"纵横图"及有关的构造方法，同时"垛积术"是杨辉继沈括"隙积术"后，关于高阶等差级数的研究。杨辉在"纂类"中，将《九章算术》246个题目按解题方法由浅入深的顺序，重新分为乘除、分率、合率、互换、二衰分、叠积、盈不足、方程、勾股等九类。

赵爽

赵爽，三国时期东吴的数学家。曾注《周髀算经》，他所作的《周髀算经注》中有一篇《勾股圆方图注》全文五百余字，并附有云幅插图（已失传），这篇注文简练地总结了东汉时期勾股算术的重要成果，最早给出并证明了有关勾股弦三边及其和、差关系的二十多个命题，他的证明主要是依据几何图形面积的换算关系。

赵爽还在《勾股圆方图注》中推导出二次方程 (其中a>0,A>0)的求根公式 在《日高图注》中利用几何图形面积关系，给出了"重差术"的证明。（汉代天文学家测量太阳高、远的方法称为重差术）。

华罗庚

华罗庚，中国现代数学家。1910年11月12日生于江苏省金坛县。1985年6月12日在日本东京逝世。华罗庚1924年初中毕业之后，在上海中华职业学校学习不到一年，因家贫辍学，他刻苦自修数学，1930年在《科学》上发表了关于代数方程式解法的文章，受到专家重视，被邀到清华大学工作，开始了数论的研究，1934年成为中华教育文化基金会研究员。1936年作为访问学者去英国剑桥大学工作。1938年回国，受聘为西南联合大学教授。1946年应苏联普林斯顿高等研究所邀请任研究员，并在普林斯顿大学执教。1948年始，他为伊利诺伊大学教授。

1924年金坛中学初中毕业，后刻苦自学。1930年后在清华大学任教。1936年赴英国剑桥大学访问、学习。1938年回国后任西南联合大学教授。1946年赴美国，任普林斯顿数学研究所研究员、普林斯顿大学和伊利诺斯大学教授，1950年回国。40年代，解决了高斯完整三角和的估计这一历史难题，得到了最佳误差阶估计（此结果在数论中有着广泛的应用）；对G.H.哈代与J.E.李特尔伍德关于华林问题及E.赖特关于塔里问题的结果作了重大的改进，至今仍是最佳纪录。

代数方面，证明了历史长久遗留的一维射影几何的基本定理；给出了体的正规子体一定包含在它的中心之中这个结果的一个简单而直接的证明，被称为嘉当-布饶尔-华定理。其专着《堆垒素数论》系统地总结、发展与改进了哈代与李特尔伍德圆法、维诺格拉多夫三角和估计方法及他本人的方法，发表40余年来其主要结果仍居世界领先地位，先后被译为俄、匈、日、德、英文出版，成为20世纪经典数论着作之一。其专着《多个复变典型域上的调和分析》以精密的分析和矩阵技巧，结合群表示论，具体给出了典型域的完整正交系，从而给出了柯西与泊松核的表达式。这项工作在调和分析、复分析、微分方程等研究中有着广泛深入的影响，曾获中国自然科学奖一等奖。倡导应用数学与计算机的研制，曾出版《统筹方法平话》、《优选学》等多部着作并在中国推广应用。与王元教授合作在近代数论方法应用研究方面获重要成果，被称为“华-王方法”。在发展数学教育和科学普及方面做出了重要贡献。发表研究论文200多篇，并有专着和科普性着作数十种。

陈景润

数学家，中国科学院院士。1933 年5月22日生于福建福州。1953年毕业于厦门大学

数学系。1957年进入中国科学院数学研究所并在华罗庚教授指导下从事数论方面的研究。历任中国科学院数学研究所研究员、所学术委员会委员兼贵阳民族学院、河南大学、青岛大学、华中工学院、福建师范大学等校教授，国家科委数学学科组成员，《数学季刊》主编等职。主要从事解析数论方面的研究，并在哥德巴赫猜想研究方面取得国际领先的成果。这一成果国际上誉为“陈氏定理”，受到广泛引用。这项工作，使之与王元教授、潘承洞教授共同获得1978年国家自然科学奖一等奖。其后对上述定理又作了改进，并于1979年初完成论文《算术级数中的最小素数》，将最小素数从原有的80推进到 16 ，受到国际数学界好评。对组合数学与现代经济管理、科学实验、尖端技术、人类生活密切关系等问题也作了研究。发表研究论文70余篇，并有《数学趣味谈》、《组合 数学》等着作。

② 算法的新闻价值判断是什么意思

核心概念辨析

一、传统“新闻价值概念”梳理（基础概念）

◆ 所谓新闻价值，就是指凝聚在新闻事实中的社会需求，就是新闻本身之所以存在的客观理由，在我们比较固定的认识中，它包括时效性、重要性、显着性、接近性以及趣味性等几个基本属性。

◆ 新闻价值是新闻事实本身所包含的满足社会需求的素质的总和。新闻价值要素包括真实性、时新性等不变要素和重要性、显着性、接近性、趣味性等可变要素。新闻事实所包含的价值要素越丰富，级数越高，新闻价值就越大。

二、新闻价值的常见的几种特性

◆ 客观性

新闻的客观性要素是新闻存在的基本条件。新闻如果失真失实就不成其为新闻，也就没有新闻价值了。在新闻价值诸要素中，客观实在性是最重要的不变要素。一切新闻的产生和存在，首先要确认构成这一新闻的内容是否具有客观实在性。

◆ 新鲜性

新鲜性是新闻存在的标志，新闻如果不新鲜，也就不成其为新闻了，当然也就不存在新闻价值了。在新闻价值诸要素中，新鲜性也是重要的不变要素。一切新闻都必须新鲜，这是受众需要新闻的根本原因所在。

◆ 重要性

新闻的重要性是指事实信息内容的重要程度。事实信息内容越重要，新闻价值越大。判定某一事实信息内容重要与否的标准，主要看其政治与社会意义的大小及其对社会与公众产生的影响程度。影响程度越大，政治和社会意义越大，新闻价值也就越大。

◆ 显着性

事实信息中的人物、地点和事件中的知名度越是显着、越是突出，新闻价值也越大。一个普通群众很难成为新闻人物，而政府官员、大企业家、歌星、影星、社会名流的言行举止则往往会成新闻；一国之都、历史名城、古迹胜地也往往是出新闻的地方。新闻媒介应关注具有显着性的人物和事件，抓住其具有新意的内容及时予以报道。

◆ 趣味性

新闻的趣味性指事实信息内容对受众产生的兴趣程度。越是受众感兴趣的事实信息，新闻价值越大。趣味是新闻传播适应群众情趣需要的一种验证。趣味性还可使新闻内容的表现生动活泼、富有情趣。一些严肃的政治、经济新闻同样可以表现得妙趣横生。

三、传统新闻价值的“体系观”

◆ 新闻事实

人们之所以需要新闻，就是要通过新闻的接收和利用，来减少或消除自己对周围世界最新变动状态的不确定性。这种相关性使人们对这一新变动的认知成为必要。这是新闻价值的系统结构中最基本的客观性因素，没有它，新闻价值就无从发生。

◆ 传播者

传播者在新闻事实与受传者之间的中介作用是举足轻重的。正是由于传播者的能动性工作，使新闻事实由自在信息状态经过积极的扬弃获得了新质，转变为自为的新闻信息状态。传播者“化入”新闻作品的化入型新闻信息以其传真性、时效性，为满足人们的新闻需要提供了现实可能。

◆ 受传者

受传者根据自己的需要，通过认知结构的接收机制，对新闻作品所提供的化人型新闻信息作积极的扬弃，成为实际满足其新闻需要的“为我之物”。

综上所述，新闻价值生成的内在根据是新闻事实的价值素质、传播者对新闻的选择、受传者对新闻的接收三者的内在结构的有机对应、偶合和同一。

四、算法时代，新闻价值意义的重构（重点内容，论述题答题模板，重点识记）

李良荣教授在《新闻学概论》中提到，新闻价值就是事实本身包含的引起公众共同兴趣的素质。这些素质包括时新性、重要性、新奇性、接近性、趣味性。新闻推荐算法在一定程度上放大了个体的新闻兴趣偏好，更好地满足了个体的新闻内容需求，但弱化了新闻内容本身的地位。许多新闻内容生产者会投用户所好进行新闻内容生产，这就使新闻价值的含义发生了重构。

（一）时新性向即时性转变

新闻以往的定义是新近发生事实的变动，但由于互联网和移动终端的发展和普及，时新性已不能满足受众的要求。受众更倾向于即时性的新闻内容，即新闻事件发生的同时受众就能接受到相应的新闻内容。互联网时代加速了信息的生产，也加速了信息的传播，受众需要更及时地了解自己所处环境的信息变动。虽然即时性在时效上更好地满足了受众的信息需求，但是由于其新闻内容在新闻事件发生的同时就进行了发布，新闻具体信息极易出现误差或者错误。

（二）重要性向标签性转变

由于算法在进行新闻内容推送的时候会抓取新闻内容中的关键词等进行分析，许多新闻内容都需要带有标签，也就是关键字。即使新闻内容很重要，但如果无法被算法抓取正确的关键词作为标签，就会极易被算法推送到对该新闻内容不感兴趣的受众面前。这不仅会降低新闻内容传播的影响力，也会影响受众的新闻阅读感受。

（三）新奇性向互动性转变

在信息爆炸的时代，新闻内容仅包含新奇性，将无法有效吸引受众阅读。新闻内容更需要具有互动性，从而吸引受众点击、阅读内容最后进行分享。以今日头条为例，当算法察觉新闻内容与许多受众产生了互动，会将此新闻内

容推荐给更多的受众。具有互动性的新闻内容不仅可以更好地在受众中进行传播，更能促进受众分享，使新闻内容拥有更大的影响力。

（四）接近性向情近性转变

传统新闻价值中的接近性既包括地缘关系上的接近也包括心理上的接近。但是在算法帮助下，受众可以直接接触到其最感兴趣的内容，新闻内容的接近性便发生了向情感上接近的转变。情近性是指新闻内容能够引起受众的情感认同。虽然算法只能从受众的行为习惯、相似群体等方面发掘其兴趣，但是在一定程度上也反映出了受众对某些新闻内容的情感态度。情近性与保持新闻内容的客观性并不排斥，因为完全客观的内容是不存在的，任何新闻内容都是有立场的内容，完全客观本身即是一种态度倾向。

③ 什么是算法新闻

算法新闻的基础源自于计算机领域中自然语言生成技术的发展，机器能够从结构化数据中自动生成大量文本，这一技术应用到新闻传播领域中造就了当下的算法新闻。

在“算法新闻”的概念群中也涉及到“自动化”、“数据驱动”、“机器”、“计算”等特性。算法新闻在国内外的使用与发展状况有所差异，在西方的应用源自于媒体企业与科技公司的共同合力。

算法新闻在新闻业中的运用带来了：新闻内容生产模式由“手工作坊”转向人机协同、表征现实的机制由记者中介转向算法中介、新闻叙事由线性叙事转向交互叙事、新闻价值评价由经验判断转向实证测量、新闻内容推送方式由大众化覆盖转向个体化定制等变革。

在这些转变中算法新闻的自动化生产及其个性化推荐的分发对新闻业的影响最大。由此可见，传统报业的式微及其开始过渡到数字新闻业的这些转变趋势，都使得整体新闻业处在“算法转向”的十字路口。

④ 名词解释 算法

算法（Algorithm）是指解题方案的准确而完整的描述，是一系列解决问题的清晰指令，算法代表着用系统的方法描述解决问题的策略机制。也就是说，能够对一定规范的输入，在有限时间内获得所要求的输出。如果一个算法有缺陷，或不适合于某个问题，执行这个算法将不会解决这个问题。不同的算法可能用不同的时间、空间或效率来完成同样的任务。一个算法的优劣可以用空间复杂度与时间复杂度来衡量。

⑤ 关于java新闻网站的算法

（一） 算法伦理的研究
1.算法内涵界定。算法源于数学，但现代算法又远远不止于传统数学的计算范畴。算法多被理解为是计算机用于解决问题的程序或步骤，是现代人工智能系统的运行支柱。《计算主义：一种新的世界观》(李建会等，2012)中将算法定义为能行的方法，在外界的常识性理解中所谓算法就是能感受到的一套运算规则，这个规则的特点在于运算时间的有限性、计算步骤的有穷性、输入结果的确切性,它是机械步骤或能行可算计程序。该定义点明了算法应具备的两个基本属性——有限性与有穷性。《用计算的观点看世界》( 郦全民，2016) 则从信息传播的角度解读算法，认为算法实质上是信息处理方法。
2.算法伦理研究
伦理关乎道德价值真理及其判断。存在于自然界、社会中的人，其行为应遵循一定的伦理道德规范。伦理的效应要导向善。伦理道德关注对个体存在的尊重、个体的自由、公平正义以及组织团体的延续与发展等问题。在一定程度上可以说，当今的人类社会已经不能脱离智能算法系统而运行了。
算法无时无处不在对世界产生影响，因而算法也会必然的触碰到伦理道德。和鸿鹏（2017）已指出，算法系统在人类社会生活中的广泛应用，会陷入诸多如人类面临且无法回避的伦理两难选择困境之中。而当算法与伦理发生关联时，学界一般认为会引出职业伦理和技术伦理两种伦理问题。
职业伦理主要与算法系统的开发者有关，指开发者是带有个性价值观、伦理道德观去研发算法系统的行为体，因而算法系统一开始便会掺杂着设计人主观性的伦理道德观。设计者出于何种目的开发某算法系统、面对不同问题设计者持有的伦理道德态度，这些都会在算法系统的运行中得到体现。
技术伦理是算法系统在一定意义上可称之为一种科学技术，这种技术自身及其运作结果都会负载着伦理价值。其实在一些情况下，职业伦理与技术伦理之间并没有很明确的界别，关于这一点，刘则渊跟王国豫已做过论述。
本文将主要从技术伦理的角度对算法关涉伦理这一问题尝试做深入研究。
（二）网络新闻传播的算法伦理研究
算法与技术的融合不断英语于网络新闻传播领域中，从数据新闻到机器写作，从算法推送到舆情到分析，国内新闻传媒领域的机器新闻和相关研究逐渐发展，金兼斌在《机器新闻写作:一场正在发生的革命》(2014)，作者较早的将眼光聚焦于基于算法的新闻内容生产和编辑。认为在自动化新闻生产大发展的前提下，诸如新闻生产或分发中劳动密集型的基础性工作与环节都将被技术取代。张超、钟新在《从比特到人工智能:数字新闻生产的算法转向》(2017) 认为算法正在从比特形式走向人工智能阶段，这种转向使得数字新闻与传统新闻的边界进一步明晰，促使数字新闻生产也产生了变革。胡万鹏在《智能算法推荐的伦理风险及防范策略》中总结了从算法推送方面：针对新闻的价值观所受到的负面影响；以及新闻的公共性、客观性和真实性受到的削弱进行分析；从受众方面：将具体对信息茧房现象以及受众的知情权和被遗忘权展开探讨；从社会影响方面,则针对社会群体、社会公共领域和社会文化所受到的消极影响展开论述。
根据以上文献的梳理可以看出，国内目前对网络新闻传播的算法伦理研究主要集中在新闻业态算法伦理失范的相关问题，因为与其他失范问题相比，这是比较容易发现的。但目前关于网络新闻传播的算法伦理的国内研究还存在不足：国内算法伦理和网络新闻传播算法伦理的研究还是在起步阶段，比较成熟的系统性研究还未出现；关于算法开发人员和平台的责任机制的研究都比较薄弱，总上所述，算法推送新闻的伦理问题研究是有必要继续加强的。
2.新闻推荐算法的兴起、发展与原理
2.1 新闻推荐算法的兴起
随着计算机技术的信息处理的维度越来越高，信息处理的能力不断提升，算法技术可以从大数据中筛选出用户最关心最感兴趣的信息，改变了原有的新闻信息传播方式，重塑了新的媒介生态和传播格局。
但反过来看，在人人都能生产信息的背景下，信息的生产、传播和反馈的速度都是呈几何倍数增长，用户面对的信息越来越多。由于设备的局限性和信息海量，用户无法集中注意力看自己感兴趣的内容，也无法及时抓取对自己有用的信息，于是出现了“注意力经济”。美国经济学家迈克尔·戈德海伯（1997）认为，当今社会是一个信息极大丰富甚至泛滥的社会，而互联网的出现，加快了这一进程，信息非但不是稀缺资源，相反是过剩的。相对于过剩的信息，只有一种资源是稀缺的，那就是人们的注意力。换句话说，信息不能够一味追求量，还要有价值，价值就在于用户对信息的注意力，谁获得了用户的注意力就可以有市场的发展空间，通过“贩卖”用户的注意力能够使新媒体聚合平台获得利润，维持发展。再加上现在生活节奏越来越快，人们对信息获取的量和效率要求提高，不想把时间浪费在自己不感兴趣的信息，从而用户获取信息的“个性化”特征变得明显起来。
基于此背景下，算法推送新闻的传播机制应运而生，用户不需要特意搜索自己需要的信息，而是海量的信息会自行“找到”用户，为用户节省搜索时间之余，又能做到真正为用户提供有用的信息。
2.2新闻推荐算法的发展现状
算法推荐是依据用户数据为用户推荐特定领域的信息，根据受众使用反馈不断修正并完善推荐方案。目前主要有两类新闻机构使用算法推送，其一是新型的互联网新闻聚合类平台，国内主要是以今日头条和一点资讯等算法类平台为代表，在我国新闻客户端市场上拥有极高的占有率。张一鸣创建今日头条是依靠大数据和算法为用户推荐信息，提供连接人与信息的服务，算法会以关键词等元素判断用户的兴趣爱好，从全网抓取内容实现个性化推荐。国外则是以Facebook、Instagram等平台为代表，这些APP都是通过算法挖掘用户的数据，以用户个性化需求为导向对用户进行新闻推送。另一种则是专业新闻生产的传统媒体，为积极应对新闻市场的竞争和提高技术水平而转型到新闻全媒体平台，如国内的“人民日报”等，国外利用算法推送向用户推送新闻的传统媒体则有美国的美联社、华盛顿邮报和英国的BBC等,他们利用算法监督受众的数量还有阅读行为，使他们的新闻报道能够更加受受众的喜欢，增加用户的粘性。
2.2 新闻推荐算法的原理
2.2.1 新闻推荐算法的基本要素
算法推送有三个基本要素，分别是用户、内容和算法。用户是算法推送系统的服务对象，对用户的理解和认知越是透彻，内容分法的准确性和有效性就越准确。内容是算法推送系统的基本生产资料，对多种形式内通的分析、组织、储存和分发都需要科学的手段与方法。算法是算法推送技术上的支持，也是最核心的。系统中大量用户与海量的信息是无法自行匹配的，需要推送算法把用户和内容连接起来，在用户和内容之间发挥桥梁作用，高效把合适的内容推荐给合适的用户。
2.2.2 新闻推荐算法的基本原理
算法推送的出现需要具备两个条件：足够的信息源和精确的算法框架。其中，算法的内容生产源与信息分发最终效果密切相关：是否有足够多的信息可供抓取与信息是否有足够的品质令用户满意都将对信息的传播效果产生影响。与此同时，分发环节也在向前追溯，改变着整个传播的生态。目前，国内新闻传播领域所使用的算法推送主要有三大类——协同过滤推送、基于内容推送和关联规则推送。
协同过滤推送分为基于用户的协同过滤和基于模型的协同过滤。前者主要考虑的是用户和用户之间的相似度，只要找出相似用户喜欢的新闻文章类别，并预测目标用户对该文章的喜欢程度，就可以将其他文章推荐给用户；后者和前者是类似的，区别在此时转向找到文章和文章之间的相似度，只有找到了目标用户对某类文章的喜爱程度，那么我们就可以对相似度高的类似文章进行预测，将喜爱程度相当的相似文章推荐给用户。因此，前者利用用户历史数据在整个用户数据库中寻找相似的推送文章进行推荐，后者通过用户历史数据构造预测模型，再通过模型进行预测并推送。
基于内容的推送即根据用户历史进行文本信息特征抽取、过滤，生成模型，向用户推荐与历史项目内容相似的信息。它的优点之一就是解决了协同过滤中数据稀少时无法准确判断分发的问题。但如果长期只根据用户历史数据推荐信息，会造成过度个性化，容易形成“信息茧房”。
关联规则推送就是基于用户历史数据挖掘用户数据背后的关联，以分析用户的潜在需求，向用户推荐其可能感兴趣的信息。基于该算法的信息推荐流程主要分为两个步骤，第一步是根据当前用户阅读过的感兴趣的内容，通过规则推导出用户还没有阅读过的可能感兴趣的内容；第二是根据规则的重要程度，对内容排序并展现给用户。关联规则推送的效果依赖规则的数量和质量，但随着规则数量的增多，对系统的要求也会提高。
2.2.3 算法推送的实现流程
在信息过载的时代，同一个新闻选题有很多同质化的报道，因此分发前需要对新闻内容进行消重，消重后的新闻内容便等待推送，此时的推送有三个类别：启动推送、扩大推送和限制推送。
第一类是启动推送，先对用户精准推送，即将其订阅账号的更新内容第一时间向用户推荐；然后根据用户的历史浏览数据，把相似的文本特征归类后推送给其他用户；最后是给关注用户的相似人群进行推荐。第二类扩大推送是指对于某个点击率、阅读时长都明显高于平均水平的新闻内容，系统会将它自动筛选出来，并向更多的人进行推荐。但在扩大推荐的过程中，系统会依据用户的反馈进行调整。第三为限制推送，指某个点击率、阅读时长都明显低于平均水平的新闻内容，会被系统自动筛选出来，遏制推送，这样的内容会被缩小推荐范围。

3. “今日头条”新闻推荐算法分析
“今日头条”是国内一款资讯类的媒体聚合平台，每天有超过1.2亿人使用。从“你关心的，才是头条！”到如今的“信息创造价值！”，产品slogan的变化也意味着今日头条正逐渐摆脱以往单一、粗暴的流量思维，而开始注重人与信息的连接，在促进信息高效、精准传播的同时注重正确的价值引导。
在2018年初，“今日头条”的资深算法架构师曹欢欢博士在一场分享交流会上公开了其算法运行原理。在他的叙述中，非常详细地介绍了“今日头条”的算法推荐系统概述以及算法推荐系统的操作原理。

3.1.1-1 曹欢欢博士的今日头条算法建模
上图用数学形式化的方法去描述“今日头条”的算法推送，实际上就是一个能够得出用户对内容满意程度的函数：即y为用户对内容的满意度，Xi,Xc,Xu分别是今日头条公开的算法推送的三个维度：Xi是用户，包括用户的性别、年龄、职业和兴趣标签，还有其他算法模型刻画的隐形用户偏好等；Xc是环境，这也是移动互联网时代新闻推送的特点，由于用户随时随地在不停移动，移动终端也在移动，用户在不同的工作场合、旅行等场景信息推送偏好也会不同；Xu是内容，今日头条本身就是信息聚合类平台，平台上涵盖各种不同形式的内容。本章将以该函数为基础，逐一分析今日头条的推荐算法。
3.1 推荐维度之一：内容分析
内容分析原指第二次世界大战期间，传播学家拉斯韦尔等研究学家组织了“战士通讯研究”的工作，以德国公开出版的战时报纸为分析研究对象，弄清报纸内容本质性的事实和趋势，揭示隐含的隐性情报内容，获取了许多军情机密情报并且对事态发展作出情报预测。在“今日头条”中，内容分析则是对文章、视频内容提取关键要素，通过对文本、视频标题关键字进行语义识别，给内容进行分类。“今日头条”的推送系统是典型的层次化文本分类算法，来帮助每篇新闻找到合适的分类，比如：第一大分类是政治、科技、财经、娱乐、体育等，体育类可以下分篮球、足球、网球等，足球又可以下分中国足球和国际足球，中国足球最后下分为甲、中超、国家队等。这一步是对文章进行对这个工作主要目的是对文章进行分类，方便以后对客户推荐。
想要内容分析实现效果，则需要海量的内容信息给算法系统提供有效的筛选和分类。“今日头条”既然是依赖于算法推送新闻，那它背后的数据库必然是强大的，“网页蜘蛛”和“头条号”就是支撑今日头条平台消息来源的重要渠道，其消息来源极其丰富，何时何地有何新鲜事，都能高效率抓取信息。
第一个消息来源的渠道是“网页蜘蛛”，“网页蜘蛛”又叫网页爬虫，头条使用的就是搜索引擎爬虫叫“Bytespider”。它能按照一定的规则，自动爬行抓取互联网的信息或脚本，就像蜘蛛通过蛛网进行捕食，当发现新的信息资源，蜘蛛会立刻出动抓取信息内容并将其收入自己的数据库中。和微信的垂直搜索不同，Bytespider是能够抓取全网内容的全新搜索引擎，因此“今日头条”的搜索引擎功能很全面，搜索的资源很广，资源包容性极高。
Bytespider信息抓取的基本流程如下：首先是网页抓取。Bytespider顺着网页中的超链接，从这个网站爬到另一个网站，通过超链接分析连续访问抓取更多网页。被抓取的网页被称之为网页快照。由于互联网中超链接的应用很普遍，理论上，从一定范围的网页出发，就能搜集到绝大多数的网页。第二步是处理网页。搜索引擎抓到网页后，还要做大量的预处理工作，才能提供检索服务。其中，最重要的就是提取关键词，建立索引库和索引。其他还包括消除重复网页、判断网页类型、分析超链接、计算网页的重要度、丰富度等。第三步提供检索服务。用户输入关键词进行检索，搜索引擎从索引数据库中找到匹配该关键词的网页，为了用户便于判断，除了网页标题和URL外，还会提供一段来自网页的摘要以及其他信息。
第二个消息来源渠道是“头条号”。与“今日头条”不同，它是今日头条针对媒体、国家机构、企业以及自媒体推出的专业信息发布平台。致力于帮助生产者在移动互联网上高效率地获得更多的曝光和关注。简单来说头条号是媒体在上面撰写并发布文章、视频后，会在今日头条（包括今日头条极速版）平台展示。通过头条号后台，媒体可以看到具体文章推荐量、阅读量、粉丝阅读量、评论量、转发量和收藏量，最后通过这些可以量化的用户阅读行为的反馈，算法系统进一步对目标用户进行内容推荐。
3.2 推荐维度之二：用户分析
用户分析通过提取用户的有效数据，如用户经常浏览的文字类型、经常搜索的关键字、注册时登记信息的内容等，算法系统可以将每个用户的浏览记录、浏览时间、留言、评论和转发等行为进行关键字提取，最终形成用户画像，以便之后对用户进行文章和视频的精准推送。举个例子，给喜欢阅读“体育”的用户标上“体育”标签；给喜欢“娱乐”的用户标上“娱乐”的标签，这一步的作用是给用户的兴趣进行建模，包括用户对文章和视频的全局热度、分类热度，主题热度，以及关键词热度等。热度信息在大的推荐系统能够解决新闻冷启动问题，帮助新闻实现推送。
用户分析还具有协同特征，它可以在部分程度上帮助解决所谓算法越推越窄的问题。协同特征也就是“联想式”的推送方法，并非只考虑用户已有历史，而是通过用户行为分析不同用户间相似性，比如点击相似、兴趣分类相似、主题相似、兴趣词相似，甚至向量相似，从而扩展模型的探索能力。根据用户之间计算数据的相似程度，把用户细化分类成为不同的目标群体，再向目标群体集中的推送其感兴趣的新闻内容
内容分析和用户分析是相辅相成的，如果没有分析的文本标签，无法得到用户兴趣标签，没有用户的兴趣标签就无法给用户定位实现精准推送。
3.3 推荐维度之三：环境分析
环境分析就是根据文章的时效性和接近性推送给相应的用户，比如获取用户当前所在位置是否在旅游区，这个可以通过获取用户的实时位置来实现。还会不断与用户之前经常出现的所在地进行对比等方式确认当前状态，分析出用户是在常住地区还是在旅行。这时若系统检测到用户正在泰山及周边游玩，则可能会相应推送泰山的相关文章、周边的交通新闻和天气信息等等。
通过上面三个推荐维度可以作为数据基础，分析当前用户处于什么环境，结合用户画像以及文章的内容分类来推荐，尽量做到推送的内容都是用户所感兴趣的。算法系统还会通过内容分类、分析抽取，把文本相似度高的文章，包括新闻主题、内容相似的文章进行消重，解决推送重复的问题，进一步对目标用户进行精确且不重复的内容推荐。最后过滤质量低俗色情的内容，以免造成平台会有负面倾向。
3.4 “今日头条”新闻推荐算法的价值取向
3.4.1 “用户为上”
“今日头条”的算法推送是站在用户的立场上的，以满足用户个性化和推送的精准性，“今日头条”也重新衡量了新闻价值标准：以用户为上，用户对新闻内容和阅读方式的满意度便是平台推送新闻的价值宗旨。传统媒体时代，只有报纸和电视，有什么受众就得看什么，而如今“今日头条”根据用户兴趣去进行推送。算法推送平台用户范围广，很多用户热衷关注负面，也有许多用户都有窥视欲和好奇心，喜欢无聊八卦和无聊新闻，而且在好奇心作用下用户都有从众心理。这使得生产者过度去迎合受众，只要是用户喜欢看就可以发表在“今日头条”上。
3.4.2 “算法主导”
“今日头条”更注重技术分发，生产者是用户，受众者也是用户，这样一来内容监管和分发就很困难。算法推送机制根据用户爱好进行推送，这样生产的内容快、也无疑会加速内容配送效率。在算法推送模型中，用户点击频率、阅读时间、点赞评论以及转发在算法时代都是可以进行量化的目标。在这样情况下生产的内容，想要获得较大点击率和推送率，需要标题才能吸引用户，因为用户在平台一眼能看到的就是标题和配图。标题和配图决定用户是否会打开你的内容，这导致许多内容生产者在编辑新闻标题时陷入标题党的怪圈，还有导致低俗内容的呈现，以制造冲突制造悬念贴标签等方式引用户点击，意图把自己的文章做成爆文。对于海量的信息内容，即使今日头条数据和智能推荐做的再好，目前来说也难以抵挡海量的垃圾信息。
4.算法推送新闻引发的伦理问题
在如今网络时代的传播思维中，“用户为上”、“算法主导”的新闻价值取向已经在算法聚合类平台成为了普遍，算法推送技术作为吸引用户的手段，搭建起一个充满诱导的媒介环境，以此增加用户对平台的粘性。算法推送技术在获取信息、传播速度等方面与以往相比有着跨时代的进步，但与此同时，由于算法推送技术的加入，衍生出新的伦理问题，并且日渐复杂化。
4.1 算法推送引发的伦理问题
4.1.1 算法推送过于机械化，没有思考能力
单向的算法推荐对用户来说经常会带来内容杂乱无章、信息量过大、信息价值低等问题。从逻辑讲，算法只是从关键字的检索匹配来完成统计推荐，但对新闻报道或文学作品具有艺术性、专业性的内容来说，是不能保证推送的质量的。算法方面，目前主要基于匹配检索与统计，大部分都是个人关注的信息类型和标签，难以达到较好的推送效果。一千个人眼里有一千个哈姆雷特，但是计算机只有只有一个。算法技术过于注重机械化的统计，只根据关键词来推荐用户，对我们中国具有博大精深的中国文字文化底蕴，推荐算法是远远不够的。整个新闻客户端显得像是一个菜市场，没有态度、没有风格，阅读感受单一化，呈现了碎片化的特点。新闻不只是让用户能够了解身边发生的新鲜事，还有宣传正面思想和传播正能量的作用，新闻应该还要给人们带来新的思考。让机器做出正确判断很简单，但是让机器综合心理学、社会学、乃至某细分领域内的规则做出判断还要正确地引导受众则很难，正如现在算法技术还不能完成一篇富有人文性、文学性和批判性的深度报道，它止步在了碎片式的、表层的传播范畴。
4.1.2 容易引起“信息茧房”效应
“信息茧房”这一概念是凯斯.桑斯坦在《信息乌托邦》一书中提出的。意指受众在过度的信息自我选择之中，这样会降低接触外界其他信息的可能，从而将自己的生活桎梏于蚕茧一般的“蚕房”中的现象。人们的信息领域会习惯性被自己的兴趣引导，信息窄化带来了受众对信息接收的单一性，这种单一性的可能会使受众陷入循环，加重受众信息同质化。
在互联网的普及初期，受众主要是从主流媒体和门户网站获取新闻信息，主流媒体能够保障新闻的质量；对于其他资讯的获取，由于技术的限制，此时的茧房并没有过度被放大，受众是有适当的自主选择性阅读新闻的。但到了如今以智能技术的互联网时代，情况发生了改变，信息茧房的现象越来越明显，用户被标签的情况下，算法系统进行大量的主动推送，使受众被动地成为信息的接收者。用户的阅读兴趣不可能涵盖所有的知识领域，算法分发的核心逻辑是根据用户的行为数据来进行精确推荐的，但同时算法又会自动过滤掉“不感兴趣”“不认同”的信息，实现“看我想看，听我想听”。在此过程中，因为算法技术的力量将用户的信息选择效果放大了倍数，进而将受众困住在信息茧房当中，受众也很难凭借自身力量打破茧房，甚至在不知觉中受到更多负面的影响。

4.1.3 算法推送的“伪中立性”
客观和全面是新闻伦理的基本要求，新闻从业者必须从可好信息源来获取真实的信息，以客观的态度反应现实。我们惯常认为,互联网技术服务商是技术中立者,不需要承担约束大众媒体的社会责任，然而当信息把关人又新闻编辑转变为算法工程师，传统的媒介伦理似乎已经失效。算法具有商业倾向性，“中立性”是算法平台用以逃避媒体责任的理由，给大众媒介造成传播乱象，如此一来更像是一场算法平台“肆意妄为又不想负责”的诡辩。
算法平台的信息源是经过选择和过滤的，“头条号”的内容占“今日头条”整个信息系统的绝大部分，然而在“人人都可以做新闻人”的时代，头条号平台是一个开放的网络媒介环境，存在大量的偏见和错误的认知。无论是“今日头条”平台设立的算法规则，还是其他爬虫的抓取的关键词，算法系统的信息源很多是具有目的性的、有偏见和非客观的信息，所以信息源不能直接作用于用户。因此，筛选算法系统的信息源与传统的人工编辑相比较，范围极广且很难把关，若算法被恶意利用，那么使整个传播系统将会被轻易控制。
4.1.4 算法推送里的“议程设置”
原议程设置功能揭示的重要内涵是：“受众对新闻的看法虽然被大众媒体议程设置功能所主导，但其更深刻的是议程设置给大众媒体新闻带来放大与延伸，从而使受众对新闻选择做出能动性修正，让受众在满足需求和媒介依赖中逐渐培养出的潜在认同感”。
推送算法技术在互联网平台的运用，使原来传统媒体主导的议程设置过程发生了变化，伴随着传播权的转移、公众参与度的提高和信息量剧增等原因导致议程设置功逐渐能减弱。过往传统新闻的内容是由编辑有选择地进行报道后再呈现在受众面前的，而个性化新闻推送是用户自己来选择看哪一方面的内容，而这一环节中，天然的技术赋权将传播权从传统媒体下放至平台的用户，使得受众和社会的连接无需依赖传统媒介，新闻媒体作为把关人的作用和议程设置功能都在减弱。
4.2 算法新闻治理缺陷下的算法权利异化
算法作为人工智能的基石之一，是“一种有限、确定、有效并适合用计算机程序来实现的解决问题的方法,是计算机科学的基础”。近年来,伴随人工智能深度学习算法取得的重大突破和大数据时代的到来,人工智能的应用场景不断拓展，人工智能时代正逐渐从想象成为现实。借助于海量的大数据和具备强大计算能力的硬件设备,拥有深度学习算法的人工智能机器可以通过自主学习和强化训练来不断提升自身的能力,解决很多人类难以有效应对的治理难题。伴随人工能算法在国家和社会治理中重要性的日渐凸显,国家和社会对于算法的依赖也逐渐加深,一种新型的权力形态——算法权力也随之出现。
可以把算法权利分为四种：数据主权、算法设计权、研发的资本权和算法控制权。由于前三种权利都是单向的、算法开发者赋予算法的权利，是属于算法开发者的，与算法分发平台呈现的效果没有直接的影响，所以本文将着重论述算法控制权。
算法控制权是双向的，用户是算法技术数据行为的提供者，同时又是被算法技术控制的受害者。例如我们看到“今日头条”会通过推送算法来监管用户的发布和浏览行为，同时平台会通过算法决策系统来实现内容的发布去引导用户。算法控制权当然是一种天然技术赋予的权利，但算法控制权是在用户提供数据行为的情况下才得以实现的，因此算法控制权既存在内容生产权，同时有要尊重和保护算法相对人的义务。
正因为如此，算法技术被认为是一种双刃剑，一方面算法能够做出精准的行为预测，可以为管理者提供非常好的循环干预机制；对于公共行为主体来说，可以通过对大数据的应用来解决社会治理问题，对于私人主体来说可以借助数据来提供个性化和定制化的服务；另一方面，算法技术存在着诸如利益和风险不对称等问题，而且由于算法技术发展的超前性，新科技的创造者具备不对称的信息和技术优势，能够按照自身利益的需求来塑造在平台上的算法推送逻辑和社会系统，这带来了监管的不确定性。人们要通过集体行为去承担社会责任，通过这样的方式规制算法权利，可以让我们能够对算法分发系统的意义和价值得到更深刻的思考。