華中科技大學(xué) 李琳

一、問題提出

智能推送理念的緣起來自于公眾的個性化需求，其實質(zhì)就是一種個性化推薦，這一概念直到20世紀(jì)90年代才被獨立提出。隨著web2.0技術(shù)的成熟，用戶由被動瀏覽成為了互聯(lián)網(wǎng)的主動參與和分享者，智能個性化推送得以成為吸引和增加用戶黏著性的主流模式。信息推送技術(shù)是由美國Point Cast Network公司于1996年首先推出的一種網(wǎng)絡(luò)信息服務(wù)新技術(shù)，利用其信息推送軟件，向因特網(wǎng)用戶主動推送各類信息（石巖，2006）。隨著信息技術(shù)的不斷發(fā)展和成熟，近年來關(guān)于運用新技術(shù)實現(xiàn)信息的智能推送服務(wù)一直是學(xué)術(shù)界的研究熱點，目前國內(nèi)外關(guān)于智能推送的研究主要集中于電子商務(wù)、新聞傳媒以及圖書等學(xué)術(shù)資源領(lǐng)域，基于此的學(xué)術(shù)研究也較為成熟和豐富。然而，國內(nèi)外學(xué)者對政務(wù)服務(wù)領(lǐng)域的智能推送研究較少，尤其是針對政策方面的智能推送服務(wù)的研究基本上不可見。

二、文獻回顧

（一）非政務(wù)領(lǐng)域智能推送服務(wù)研究

智能推送系統(tǒng)運用最廣泛的領(lǐng)域就是在B2C電子商務(wù)領(lǐng)域，商家根據(jù)用戶的興趣和愛好，對客戶的現(xiàn)有需求和潛在需求進行挖掘和推薦，例如Amazon、eBay、淘寶等。黃位華等（2021）提出基于用戶歷史行為的分析結(jié)果與評分矩陣，構(gòu)建用戶的興趣模型，并將其轉(zhuǎn)化為用戶標(biāo)簽。沈洪洲等（2012）設(shè)計并實現(xiàn)了基于Google云消息框架C2DM的商務(wù)信息推送服務(wù)，已解決信息讀取不便和成本過高的問題。網(wǎng)頁廣告是電子商務(wù)領(lǐng)域創(chuàng)收的另一種形式，其投放的精準(zhǔn)性對于降低成本和增創(chuàng)收益都重要的意義。同時，如何通過精準(zhǔn)個性化推送，將廣告推送給需要的用戶，以降低其他用戶對廣告的抵觸情緒也是目前的研究熱點。王成玥（2020）提出了基于視覺信息傳達的網(wǎng)頁廣告智能推送系統(tǒng)，李曉娜（2020）采用了相似度算法來計算用戶在網(wǎng)絡(luò)媒體上所查看內(nèi)容的相似度，獲取用戶行為特征，借助用戶的行為信息設(shè)計了一種藝術(shù)廣告媒體的推送機制。張芳（2017）總結(jié)了今日頭條在信息流廣告中的推送方式多樣且易于被用戶接受的成功經(jīng)驗。

目前大部分新聞和傳媒行業(yè)都嵌入了個性化推薦的功能，運用個性化推薦算法對新聞傳媒信息進行篩選、分發(fā)和推送已成為常態(tài)。胡明川（2017）提出新聞客戶端新聞推送時間應(yīng)采取不打擾并且貼合使用場景的策略，以通知欄推送新聞的極簡頁面信息的接收處理方式。喻國明等（2017）認(rèn)為個性化推送對新聞行業(yè)進行了重塑，并且通過用戶的社交數(shù)據(jù)和及其之間的關(guān)系發(fā)現(xiàn)用戶的潛在需求，有助于擺脫信息繭房效應(yīng)。方師師（2020）從“知溝”的上游環(huán)節(jié)切入，運用新聞深度學(xué)習(xí)模型，挖掘其如何產(chǎn)生差異性的個性化內(nèi)容以及實現(xiàn)新聞增值。崔迪等（2019）以今日頭條為例，從效果的角度考察其告知信息的功能，回應(yīng)如今的“信息繭房”爭論。

圖書的個性化推薦系統(tǒng)也是較為普遍的應(yīng)用形式，許多資源管理平臺、高校圖書館已將其推薦技術(shù)應(yīng)用到實際的工作中。例如，北京大學(xué)、同濟大學(xué)以及北京師范大學(xué)等高校圖書館提供了相同主題、書架鄰近以及同作者的推薦功能；天津大學(xué)、廈門大學(xué)等高校圖書館為讀者推薦書評數(shù)據(jù)；四川大學(xué)、中南大學(xué)、天津大學(xué)以及復(fù)旦大學(xué)等高校圖書館已將個性化資源推薦嵌入到移動數(shù)字圖書館的信息服務(wù)中。經(jīng)過多年發(fā)展，從最初的基于流行推薦，到后來的基于統(tǒng)計方法、機器學(xué)習(xí)的推薦，現(xiàn)有個性化推薦系統(tǒng)其推薦結(jié)果的精確度及多樣性都有了極大的提升。周玲元等（2014）以及陳海軍（2019）都將Apriori數(shù)據(jù)挖掘算法引入了圖書推薦系統(tǒng)，并對該算法進行改進，有效挖掘圖書之間的強關(guān)聯(lián)性，以滿足不同讀者的個性化需求。張?zhí)m蘭（2019）引用最先進的關(guān)聯(lián)數(shù)據(jù)技術(shù)設(shè)計了一種新的個性化推薦系統(tǒng)；王慶等（2018）、王茹芳等（2020）將用戶畫像創(chuàng)新性地引入到了數(shù)字圖書館領(lǐng)域，構(gòu)建了基于用戶畫像的圖書館推薦系統(tǒng)，以確保推薦內(nèi)容長期精準(zhǔn)有效。胡代平等（2020）通過讀者的借閱行為記錄來對高校讀者閱讀偏好的變化進行觀測，并將測量偏好變化特征的計算與傳統(tǒng)圖書推薦算法進行結(jié)合的混合推薦模式。

與此同時，部分學(xué)者對智能推送基于的算法技術(shù)的工具理性和價值理性失衡所引發(fā)的倫理問題進行了思考，認(rèn)為在強調(diào)技術(shù)優(yōu)勢的同時，使得道德、情感和文化價值的價值理性被忽視（謝薇娜，2020）。除此之外，算法推薦技術(shù)可能會帶來的信息繭房（Gossart，2014）、算法暗箱（劉育猛，2020）、“知溝”問題（Gaziano，2017）、回音室（Duboisetal，2018）、政治極化（馬立明，2020）等問題也是學(xué)者闡釋的重點。

（二）政務(wù)領(lǐng)域的推送服務(wù)研究

需要正視的是，與在商業(yè)領(lǐng)域的百花齊放相比，智能推送在政務(wù)服務(wù)領(lǐng)域卻極少得到應(yīng)用。目前公眾了解政務(wù)服務(wù)信息的主流方式還是通過主動檢索，主要通過政府網(wǎng)站、政務(wù)服務(wù)app中的信息分類導(dǎo)航、站內(nèi)搜索以及基于問答庫的智能問答這三種形式。

部分政府嘗試將某些領(lǐng)域的信息通過匹配后推送給特定的用戶。如通過智能推送服務(wù)協(xié)助中小企業(yè)匹配業(yè)務(wù)合作伙伴，以此減少用戶參與本地和國際市場業(yè)務(wù)的時間、成本和風(fēng)險?？紤]到用戶辦理的很多政務(wù)服務(wù)事項只會辦理一次，Cornelis等（2007）基于模糊邏輯推薦、Guo等（2010）基于語義相似技術(shù)，設(shè)計了針對此類事項的智能推送框架。Hassan等（2015）對澳大利亞電子政務(wù)旅游服務(wù)進行研究，提出一種新的關(guān)聯(lián)算法，推薦用戶找到其他可能感興趣的關(guān)聯(lián)旅游服務(wù)。Terán等（2010）為了幫助選民在選舉過程中作出決定，設(shè)計了一個采用模糊聚類方法的推薦系統(tǒng)，提供接近選民偏好的候選人信息。還有一些學(xué)者進一步挖掘用戶的潛在需求，以提高用戶的滿意度。如Pasquale等（2005）研發(fā)的系統(tǒng)可以考慮公民的迫切性、偏好以及他們正在使用的設(shè)備功能情況，向公民建議最有趣的政府服務(wù)。

此外，國內(nèi)部分學(xué)者也對政務(wù)信息的推送服務(wù)進行過探索。劉妍等（2012）利用用戶類型、地區(qū)等不同因素進行用戶分類，建立了多維情境感知計算模型計算用戶興趣，基于按需推送、定期定時、更新驅(qū)動三種形式實現(xiàn)農(nóng)業(yè)信息的個性化智能推送；符志強等（2019）設(shè)計并實現(xiàn)了一種科技政策推廣App，從政府和科技網(wǎng)站上獲取科技政策信息，企業(yè)可定量身定制信息與解讀并獲得推送服務(wù)；徐松柳（2020）設(shè)計了一種企業(yè)扶持政策的推送系統(tǒng)，通過大數(shù)據(jù)技術(shù)實現(xiàn)政策與企業(yè)的自動匹配；毛太田等（2021）以LDA模型和關(guān)聯(lián)規(guī)則挖掘為主要技術(shù)，對政府信息文本進行主題提取與聚類，通過相似度計算完成信息與用戶的匹配，實現(xiàn)主動推送。

三、結(jié)語

智能推送在非政務(wù)領(lǐng)域的應(yīng)用對其在政務(wù)政策領(lǐng)域的普及具有一定的借鑒意義，特別是圖書、學(xué)術(shù)資源的個性化推送，其對文本資源提取的挖掘技術(shù)以及對用戶的特征構(gòu)建畫像都可直接借鑒用于政務(wù)政策信息的智能推薦系統(tǒng)的搭建。并且通過綜述我們可以發(fā)現(xiàn)，因為海量的政策文本收集和解析具有一定的難度，因此現(xiàn)有的研究和探索不僅數(shù)量少，且僅局限于惠農(nóng)信息（周麗芳，2011）、惠企信息（徐松柳，2020）、疾控信息（趙焱，2019）、地震預(yù)警信息（孫路強，2020）等某一個特定領(lǐng)域的政策推送服務(wù)。

由此可見，智能推送在政務(wù)服務(wù)領(lǐng)域的研究與應(yīng)用明顯嚴(yán)重滯后于其發(fā)展速度。而與商業(yè)領(lǐng)域相比，目前公眾對政府所提供的政務(wù)服務(wù)更為陌生，公眾對與其切身利益相關(guān)的政策的了解更是非常淺顯，不同的公眾群體的個性化需求也更加明顯。因此，加強智能推送技術(shù)在政府服務(wù)領(lǐng)域的應(yīng)用是順應(yīng)時代的要求，也是對我國服務(wù)型政府建設(shè)的響應(yīng)。