| 中文摘要 | 第10-11页 |
| ABSTRACT | 第11-12页 |
| 绪论 | 第13-23页 |
| 0.1 选题背景 | 第13-14页 |
| 0.2 研究的目的与意义 | 第14-15页 |
| 0.2.1 研究目的 | 第14页 |
| 0.2.2 研究意义 | 第14-15页 |
| 0.3 研究方法 | 第15页 |
| 0.3.1 个案分析法 | 第15页 |
| 0.3.2 文献分析法 | 第15页 |
| 0.3.3 深度访谈法 | 第15页 |
| 0.4 文献综述 | 第15-22页 |
| 0.4.1 国外研究综述 | 第16-17页 |
| 0.4.2 国内研究综述 | 第17-22页 |
| 0.5 创新点与难点 | 第22-23页 |
| 第一章 聚合型新闻APP及个性化推荐机制的相关概述 | 第23-30页 |
| 1.1 聚合型新闻APP的相关概述 | 第23-26页 |
| 1.1.1 聚合型新闻APP的概念 | 第23-24页 |
| 1.1.2 聚合型新闻APP的特点 | 第24页 |
| 1.1.3 “今日头条APP”的相关概述 | 第24-26页 |
| 1.2 个性化推荐机制的相关概述 | 第26-30页 |
| 1.2.1 产生背景 | 第26页 |
| 1.2.2 运行原理 | 第26-27页 |
| 1.2.3 推荐类型 | 第27-30页 |
| 第二章 “今日头条APP”关于个性化推荐机制的应用分析 | 第30-42页 |
| 2.1 个性化推荐机制的运行模式 | 第30-36页 |
| 2.1.1 推荐依据 | 第30-31页 |
| 2.1.2 推荐流程 | 第31-36页 |
| 2.2 “今日头条”的内容管理 | 第36-39页 |
| 2.2.1 信息来源——“网页蜘蛛”+“头条号” | 第36-38页 |
| 2.2.2 更新方式——平台更新+用户更新 | 第38-39页 |
| 2.2.3 内容管理——算法识别+人工审核 | 第39页 |
| 2.3 个性化新闻推荐的价值取向 | 第39-42页 |
| 2.3.1 “用户至上” | 第39-40页 |
| 2.3.2 “算法主导” | 第40-41页 |
| 2.3.3 “流量为王” | 第41-42页 |
| 第三章 从“今日头条APP”看个性化推荐机制的弊端 | 第42-54页 |
| 3.1 个性化新闻内容存在的问题 | 第43-48页 |
| 3.1.1 推荐内容单一 | 第43页 |
| 3.1.2 低质信息泛滥 | 第43-47页 |
| 3.1.3 内容缺乏深度 | 第47-48页 |
| 3.1.4 广告内容过多 | 第48页 |
| 3.2 个性化推荐技术的缺陷 | 第48-51页 |
| 3.2.1 过于机械化,缺乏思考能力 | 第48-49页 |
| 3.2.2 容易引发“信息茧房”效应 | 第49-50页 |
| 3.2.3 个性化推荐算法的“伪中立性” | 第50-51页 |
| 3.2.4 个性化推荐算法的“议程设置” | 第51页 |
| 3.3 用户隐私信息面临泄露危机 | 第51-54页 |
| 3.3.1 “世界连通”成为侵犯用户隐私的“温床” | 第52-53页 |
| 3.3.2 个性化推荐技术成为用户数据的“隐形监控” | 第53-54页 |
| 第四章 聚合型新闻APP算法推荐机制的改进之路 | 第54-60页 |
| 4.1 完善优化个性化推荐系统 | 第54-56页 |
| 4.1.1 推荐系统必须是智能的、可学习的 | 第54页 |
| 4.1.2 推荐内容必须多样化 | 第54-55页 |
| 4.1.3 拓展用户兴趣,避免“信息茧房” | 第55-56页 |
| 4.2 提升内容质量,维护信息生态平衡 | 第56-57页 |
| 4.2.1 保证内容质量,减少低质信息传播 | 第56页 |
| 4.2.2 加强与高校的联合,引进各类专业人才 | 第56-57页 |
| 4.3 建立“算法分发+人工把关”模式,突出人文价值 | 第57-58页 |
| 4.3.1 突出“人工编辑”作用,加强新闻价值观引导 | 第57-58页 |
| 4.3.2 借鉴传统媒体的“三级审查制”,强化“把关”体系 | 第58页 |
| 4.4 多方联动合作,保障信息安全 | 第58-60页 |
| 4.4.1 制定并落实相关规范条例,明确各方责任 | 第58-59页 |
| 4.4.2 加大技术创新研发,加强信息基础设施保护 | 第59-60页 |
| 结语 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 附录 | 第65-66页 |
| 致谢 | 第66-67页 |
| 个人简况及联系方式 | 第67-69页 |
