编辑导语：随着网络信息的发展，个性化推荐也逐渐被各个软件所应用。但是大多数用户却对个性化推荐持反感态度，这究竟是为什么呢？本文介绍了个性化推荐的由来以及它的缺点，让我们一起来看看吧！
一、个性化推荐的溯源1.从个性化信息聚合到个性化信息推荐
大数据时代，信息数量呈指数爆炸式增长，信息超载已经成为互联网用户面临的一大难题，用户难以在海量信息中找到自己需要的有用信息。因此，个性化推荐功能应运而生。诸如抖音、今日头条、微博等各大App通过算法对用户行为和关系进行分析，挖掘用户对内容的偏好和潜在需求，通过信息聚合，自动为其生成出符合其需求的信息，从而实现个性化的内容推荐和定制新闻发送。
信息聚合已经不再是传统的新闻生产过程中由媒体主导的信息过滤与筛选，而是基于互联网生产逻辑的算法主导的信息聚合，并借助特征分析、语义网等技术的发展，形成了基于个人兴趣的个性化信息合成和推荐模式。
早在1995年，学者尼葛洛庞蒂在《数字化生存》一书中就描绘了这样一幅画面：每个人都可以拥有一份按个人口味定制的虚拟日报，即“我的日报”（TheDailyMe）。如今，在大数据挖掘与分析等技术的加持之下，平台得以为每个用户建立“个性化档案”，“我的日报”早已从愿景成为现实。
二、个性化推荐与隐私侵犯
互联网时代，每一个人都像是“裸奔”一般，毫无隐私与秘密可言。这句话看似危言耸听，但其实早已从预言成为现实。随着互联网的发展，个性化推荐已经成为与搜索并列的信息获取方式。隐私数据被随意收集和泄露，是用户在使用互联网过程中，无法避免、又非常头疼的问题。
1.电商平台的大数据杀熟
此类大数据杀熟案例比比皆是。大数据杀熟是指同样的商品或服务，老客户看到的价格反而要比新客户贵出许多的现象。正是由于经营者采取个性化推荐，运用大数据收集消费者的信息，分析其消费偏好、消费习惯、收入水平等内容，将同一商品服务以不同价格卖给不同消费者从而获取更多利益。
2.社交媒体的隐私泄露
性别、年龄、家庭住址、学历学籍、工作单位……这些私密的个人信息在互联网时代都不再是秘密。平台为了满足用户的个性化需求而采取个性化推荐，必然要获取用户的个人信息来进行数据的挖掘与分析，但同时，这些个人信息难免被有心之人拿来他用。
信息茧房这个概念最早来自美国学者桑斯坦，他在《信息乌托邦—众人如何生产知识》一书中提出，信息茧房意味着我们只听我们选择和愉悦我们的东西。
例如，当某人长期在抖音观看美食类视频之后，他很快会惊奇地发现抖音推荐给他的都将是美食类视频，很少能看到其他颜值类、歌舞类、搞笑类视频，这正是个性化推荐在作祟，给他构建了美食类视频的信息茧房。
在更早出版的《网络共和国》一书中，桑斯坦也表达了对科技力量带来的消费者过滤所读所看所听的越来越强大力量的担忧与反思。而后来另一研究者提出的过滤气泡这一概念更是直接强调了信息过滤对用户的影响。
2.过滤机制构成茧房
美国学者拉扎斯菲尔德等人通过研究1940年美国大选发现，人们原本的政治倾向在很大程度上影响着他们的媒介接触行为，受众更倾向于接触那些与自己原有立场、态度一致或接近的内容。选择性接触的结果不是导致原有态度的改变，而有可能是强化原有态度。
后来的传播学者，将受众的选择性心理分为选择性接触（包括选择性注意）、选择性理解与选择性记忆等几个层面，心理学领域的研究也证明了选择性心理的存在。
在个性化信息服务越来越盛行、个性化推荐功能愈演愈烈的今天，不仅平台算法的过滤机制会造成信息茧房，人们的选择性心理也会导致自我信息过滤，筛选掉和原有态度不一致的信息，最终构成信息茧房。
3.算法优化有效破茧
目前主要的个性化推荐算法包括基于内容的推荐、协同过滤推荐、基于知识的推荐、基于网络结构的推荐、混合推荐等。
要使个性化推荐功能回到原来的轨道，除了近日各大平台上线的“一键关闭”功能一劳永逸之外，还可以尝试通过算法优化的方式破除信息茧房。
以往的个性化推荐算法或者直接针对个体以往的行为偏好，或者基于同类人群的偏好，都在较大的程度上强调个体或群体的既有兴趣，这就可能形成对个体偏好的不断强化、放大，用户被同类信息包围的机率也会加大。
而倘若调整现有算法机制，并混合多种算法机制，例如增添基于知识的推荐算法、基于用户社会关系网络的推荐算法、基于平台大多数用户的兴趣爱好的推荐算法等，则可能有利于打破用户的偏好与已有习惯，帮助他们发现更多有价值的、有助于拓展他们视野的信息，最终有效破除信息茧房。
个性化推荐功能好似一把双刃剑，一方面，它能够较好地满足用户的需求、使得用户高效快捷获取所需信息；另一方面，它在无形之中为用户构建了信息茧房，甚至造成用户隐私泄露、大数据杀熟等风险。
要使个性化推荐功能发挥其长处、避免其短处，“一键关闭”或许并不是最优路线，唯有用户主动自觉提高隐私保护与破茧意识、平台方以用户需求为首要目的、算法持续优化发展等策略多管齐下或许才可彻底解决这一问题。