当“寻找内容的方式”的重要性压倒内容，当软件算法成为我们的信息中介与助手，传播领域的权力格局已然生变。作为搜索引擎核心的软件算法、人工智能，无不是人为编制的规则。收录哪些，不收录哪些？如何排序，如何过滤？谁在制定规则？尽管这些问题的答案，都被“商业机密”的屏障包围，但问题本身是值得追问和警惕的。

　　例如，由于在实际的使用中，人们关注的通常只是搜索结果的前几页、甚至前几项列出的结果，由此衍生的“竞价排名”也成为搜索产业赖以生存的一大经济来源。而百度公司曾长期将搜索结果及与搜索相关的竞价排名结果混合呈现，且竞价排名的网站在前，非竞价排名的网站在后，也因此被广泛批评。

　　过滤机制之二：协作过滤

　　“协作过滤”或者“协同过滤”的概念，来自英语中的“collaborative filtering”。

　　如果从广义的角度上理解，“协作过滤”则不仅仅是一种算法或软件，而是一种新的信息过滤机制。它得以有效运作的前提是：第一，个人通过人际关系网络所联结的其他节点，也就是他的朋友熟人的喜好及行为往往与之相似或相关；第二，人们越来越习惯于通过自己的社会网络对信息进行分享、评价、分类、推荐。第三，如前文所述，当今网众的社会网络与信息网络出现了融合与交叠，这种机制已经足以在社会尺度上产生效用。

　　下面以中国最大的图书、影视、音乐推荐与分享网站豆瓣网（douban.com）为例，简单说明网众对网络中信息的自愿标注以及标签和评论的公开共享，是如何形成新的信息过滤格局的。

　　豆瓣网不像传统图书馆那样提供基于图书分类法的标准分类，也不像电子商务网站那样列出“文学”、“少儿”之类的目录，不论书籍、电影或音乐，这些文化产品依据用户为条目添加的标签而形成内在的逻辑关联。

　　你可以为一本书增加“小说”、“青春”、“博尔赫斯”之类的标签，也可以为它增加“适合雨天阅读”、“他的生日礼物”这样纯粹私人化的标签，这些标签是向全站用户公开的（当然你也可以选择不把它们公之于众）。当某用户点击“青春”这一标签时，出现的将是被不同用户认为与“青春”有所关联并添加此标签的文化产品的列表。同时，从某个文化产品被不同用户添加的多个标签之中，用户也可以了解到它在别人眼中还与其他哪些意义相关联。

　　进而，在豆瓣网的许多页面上，程序会自动向用户有针对性地推荐丰富而多元的信息。例如首页上对书、影、音、评论、活动的推荐，例如每本书的页面上会列出“喜欢读这本书的人”也喜欢的其他书籍、常去的小组、参加的活动，等等。

　　这样的信息过滤机制，不仅可以向用户提供适合自己口味和喜爱的东西，而且还可以帮助用户探索和发现新的兴趣爱好，寻找志同道合者，获得更多价值。