看看不爱看的，不仅能了解事件的另一面，还能减少社会情绪的对立和两极分化。
无论我们打开百度、今日头条还是网易云音乐，推荐的都是对自己口味的内容。这样的个性化推荐，虽然能确保我们不错失感兴趣的信息，但同样容易使我们陷入「回声室效应」——在一个相对封闭的环境上，我们接受到的信息都是自己喜欢的类型，而这类信息不断重复，让人以为自己接触到的信息就是事实的全部。
反个性化，从了解你朋友爱看什么开始
只依靠个性化推荐获取信息，显然没办法帮助我们全面的看待事物。在这次的 NIPS 大会上，芬兰阿尔托大学和意大利罗马第二大学的研究人员，推出了他们合作开发的反个性化推荐的算法，可以让社交媒体用户收到他们不一定喜欢或赞成的观点、信息。
个性化推荐往往通过我们在搜索引擎中留下的搜索和浏览数据，来了解我们的兴趣爱好。而这个反个性化的算法除了了解你的兴趣爱好外，还要了解你亲密好友的兴趣爱好。
意见领袖在信息传播过程中的作用很重要 图 | 罗马第二大学
如果某一社交媒体上的两个用户是朋友或者彼此点赞、评论过，这个反个性化算法就会把两人算作熟人样本。当积累足够多的熟人样本后，算法会根据所有用户针对某一话题的态度，划分出两个拥有对立态度的群体。接下来，一种叫做「贪婪算法」的算法会从所有用户中挑选出，热衷于发表意见的「意见领袖」。随后，社交媒体就可以向这些意见领袖发送对立双方的观点，通过影响他们来传播不同立场的信息。
看你不想看的，更全面的认识世界
在这次的 NIPS 上，阿尔托大学的研究人员以一个「词云」实验，来解释这一算法是如何工作的。研究人员搜索了网上 #russiagate（指 2016 年美国大选中关于特朗普和俄罗斯之间勾结的传闻）标签相关的主题，并根据特朗普的支持者和反对者关注的话题事件，形成了下图上方的两个词云。
上面两个词云代表特朗普支持者和反对者谈论的话题，下面的词云代表支持者和反对者的意见领袖们共同谈论的话题 图|罗马第二大学
其中，特朗普的支持者关注的主要是「石油」、「能源」和「天然气」之类对特朗普利好的话题，而反对者则更关注「环境」、「绿色」和「能源」这些特朗普在政策层面让人不满意的话题。不难发现，这两个词云中关注的核心话题少有重合。这说明，无论是特朗普的支持者还是反对者，受网络信息个性化推荐的回音室效果影响，都更乐意接受自己认可的信息。
词云图片的底部，显示的则是特朗普的支持者和反对者都关心的事件。研究人员发现关心这些事件的人，往往乐于面对争议并发表自己的见解，而且能同时接触到观点对立的两类人。研究人员认为，通过发送针对性的信息给意见领袖，就能让其传播一些更加平衡的观点，起到反个性化推荐的作用。
参与这项研究的阿尔托大学的博士生 Garimella Kiran认为，他们的这项新算法，有利于通过平衡信息暴露，减少社会上的情绪对立和两极分化。比如，即使一个用户是美国民主党的忠实支持者，也有机会听到共和党人关于某一事件的看法，而不是在个性化推荐算法下，反复接收到自己固有观念的重复版本。
不过，这项技术虽好，但对数据的可用性和数量级却有要求。这意味着，想要取得理想效果，就少不了 Facebook 或 Twitter 这样的大型社交平台的参与。
责任编辑：双筒猎枪
头图来源：罗马第二大学
![]()
本文由极客公园原创
转载联系 [email protected]
![]()
