新技術(shù)與新媒體的未來

新技術(shù)與新媒體的未來1新技術(shù)與新媒體的未來5/8/2024新媒體帶來了傳媒業(yè)的巨變。從報(bào)刊、廣播、電視“老三樣”到今天“兩微一端”、抖音、快手等新傳播載體層出不窮，新傳播技術(shù)正帶來嶄新的傳媒生態(tài)格局。網(wǎng)絡(luò)平臺(tái)越來越具有媒體的特征，騰訊、百度、網(wǎng)易、今日頭條、新浪、抖音、快手等頭部新媒體和超過300萬的自媒體傳播力、影響力日趨加大。傳播主渠道、輿論主陣地、意識(shí)形態(tài)斗爭(zhēng)的主戰(zhàn)場(chǎng)已轉(zhuǎn)場(chǎng)網(wǎng)絡(luò)，受眾已轉(zhuǎn)移到網(wǎng)上是不爭(zhēng)的事實(shí)。

移動(dòng)傳播、自動(dòng)推送、人臉識(shí)別等新的傳播手段的運(yùn)用使傳媒業(yè)態(tài)更加個(gè)性化、分眾化、場(chǎng)景化、體驗(yàn)化。新一代媒體人不僅承載著探究真相、表達(dá)觀點(diǎn)、傳遞信息和價(jià)值的使命，還要使用機(jī)器、理解機(jī)器、駕馭機(jī)器。

新媒體是由技術(shù)和資本雙輪驅(qū)動(dòng)的。目前，對(duì)新媒體發(fā)展影響最大的技術(shù)莫過于人工智能技術(shù)和推薦算法。第17章新技術(shù)與新媒體的未來2新技術(shù)與新媒體的未來5/8/2024第17章新技術(shù)與新媒體的未來第1節(jié)人工智能會(huì)取代記者嗎第2節(jié)新聞推薦算法3新技術(shù)與新媒體的未來5/8/2024·2016年谷歌機(jī)器人阿爾法狗(AlphaGo)大比分擊敗韓國(guó)圍棋高手李世石?！?017年年初，人工智能圍棋Master在一周內(nèi)橫掃柯潔、樸廷桓、井山裕太等中日韓頂尖高手，戰(zhàn)績(jī)停留在令人恐怖的60勝0負(fù)。Master已經(jīng)被確認(rèn)是2016年人機(jī)大戰(zhàn)主角AlphaGo的升級(jí)版。第1節(jié)人工智能會(huì)取代記者嗎4新技術(shù)與新媒體的未來5/8/2024一、哪些職業(yè)容易被取代·在計(jì)算機(jī)能夠充分掌握數(shù)據(jù)的領(lǐng)域，人工智能能夠替代部分工作。[司機(jī)、技工、建筑工人、裁縫、快遞員、抄表員、收銀員、保安和洗碗工]·職業(yè)中可自動(dòng)化、計(jì)算機(jī)化的任務(wù)越多，就越有可能被交給機(jī)器完成，其中以行政、銷售、服務(wù)業(yè)最為危險(xiǎn)。[律師、翻譯]5新技術(shù)與新媒體的未來5/8/2024一、哪些職業(yè)容易被取代·雖然計(jì)算機(jī)可能在一些方面超過人類，但是它依舊不是“完整的人”，只有人類能處理生活中紛繁復(fù)雜的情況，人工智能取代人類的擔(dān)心為時(shí)尚早。[文創(chuàng)、科技和管理行業(yè)；內(nèi)外科醫(yī)生、編舞、教師、作家、律師、人力資源經(jīng)理、科學(xué)家、工程師和記者]·相比人類，機(jī)器欠缺了原創(chuàng)能力、互動(dòng)能力和談判能力。因此，具備這三種要素的職業(yè)不容易被機(jī)器取代。6新技術(shù)與新媒體的未來5/8/2024·機(jī)器人新聞（Robo-journalism）

早在2014年，第一篇機(jī)器人新聞?wù)Q生在《洛杉磯時(shí)報(bào)》，用一臺(tái)機(jī)器寫了一篇地震發(fā)生3分鐘后的震后報(bào)道。美聯(lián)社跟美國(guó)大學(xué)體育協(xié)會(huì)（NCAA）合作處理數(shù)據(jù)，現(xiàn)在使用自動(dòng)化內(nèi)容技術(shù)提供成千上萬的大學(xué)體育賽事報(bào)道，這是以前從未涉及的領(lǐng)域。

二、人工智能會(huì)取代記者嗎7新技術(shù)與新媒體的未來5/8/2024·韓國(guó)的新聞通訊社已開始采用“人工智能記者”編寫簡(jiǎn)單的體育和財(cái)經(jīng)新聞。

·“人工智能記者”的重要優(yōu)勢(shì)體現(xiàn)在兩大方面：一是“勤勤懇懇，態(tài)度認(rèn)真‘每天股市收盤時(shí)，它都會(huì)基于韓國(guó)證券交易所公布的數(shù)據(jù)即刻寫出最新報(bào)道，“毫不懈怠'一名機(jī)器人記者只要0.3秒就能完成一篇股市行情簡(jiǎn)訊。二、人工智能會(huì)取代記者嗎8新技術(shù)與新媒體的未來5/8/2024·破壞媒體輿論監(jiān)督和批判的功能？·產(chǎn)生大量無意義的文章？·顯然，這些擔(dān)憂都會(huì)通過完善算法或添加人工編輯的方式得到解決。二、人工智能會(huì)取代記者嗎9新技術(shù)與新媒體的未來5/8/2024·人類的想象力和創(chuàng)新力，是在可以預(yù)見的未來里，少數(shù)無法被人工智能復(fù)制的能力。記者應(yīng)該轉(zhuǎn)而挖掘深度調(diào)查新聞。三、具有創(chuàng)新能力的記者將成為人工智能時(shí)代的強(qiáng)者·只有更深入地了解新聞媒體行業(yè)的本質(zhì)和人類通過媒介獲得信息、人的思考方式的本質(zhì)，加深人工智能領(lǐng)域的人文探索，才能使人工智能更好地為我們所用。10新技術(shù)與新媒體的未來5/8/2024第2節(jié)新聞推薦算法

Facebook于2006年最早在其網(wǎng)頁(yè)端推出了Newsfeed頁(yè)面，讓用戶能夠在個(gè)人主頁(yè)上看到以信息流的形式呈現(xiàn)的朋友們的更新。這個(gè)功能最終成為社交類App的主流信息展現(xiàn)方式。

移動(dòng)互聯(lián)網(wǎng)浪潮來襲，F(xiàn)acebook手機(jī)App,以及大量其他類別的App,特別是新聞信息類App,也都開始采用這種方式來構(gòu)建他們的手機(jī)頁(yè)面。最近兩年幾乎所有的手機(jī)應(yīng)用都加入了信息流大戰(zhàn)。這背后的邏輯其實(shí)還是為了爭(zhēng)奪盡可能多的用戶流量。11新技術(shù)與新媒體的未來5/8/2024第2節(jié)新聞推薦算法·News

feed即信息流。當(dāng)你登陸Facebook首頁(yè)時(shí)，哪些信息會(huì)展示在我們前面，哪些會(huì)排在后面，這個(gè)是非常的重要的點(diǎn)（獲取大量的曝光）。特別需要說明的是Facebook的算法里面很重要的一點(diǎn)就是基于人的關(guān)系鏈。12新技術(shù)與新媒體的未來5/8/2024第2節(jié)新聞推薦算法·互聯(lián)網(wǎng)行業(yè)定義一個(gè)App價(jià)值的公式一般是：·價(jià)值=用戶數(shù)*打開次數(shù)*在線時(shí)長(zhǎng)13新技術(shù)與新媒體的未來5/8/2024一、一般熱門推薦算法·熱門推薦算法（Hot）在互聯(lián)網(wǎng)早期就發(fā)展起來了，在新聞網(wǎng)站常?？梢钥吹筋愃啤癟rending”的欄目，這些欄目的推薦算法就被稱為熱門推薦算法。·特點(diǎn)：原理簡(jiǎn)單；主要針對(duì)新聞當(dāng)前的瀏覽情況，對(duì)全體用戶做無差別的推薦。14新技術(shù)與新媒體的未來5/8/2024一、一般熱門推薦算法（一）聚合計(jì)算·熱門推薦算法是基于聚合計(jì)算的算法，這種算法使用發(fā)表時(shí)間、點(diǎn)擊量、贊量、點(diǎn)踩量、獨(dú)立訪客數(shù)等指標(biāo)，綜合給出一個(gè)新聞推薦的排序列表?！て渲兴^的聚合計(jì)算，指的就是數(shù)據(jù)的加總，包括求和、求平均值、求最大最小值等方式，如此處理完之后，再把結(jié)果進(jìn)行排序并展示到頁(yè)面上。15新技術(shù)與新媒體的未來5/8/2024一、一般熱門推薦算法（二）時(shí)間因素·新聞信息很關(guān)鍵的一個(gè)因素就是信息本身的時(shí)新性，位列新聞價(jià)值五大要素之首。

因此根據(jù)業(yè)務(wù)場(chǎng)景去合理考慮時(shí)間因素的作用是一個(gè)成功的熱門推薦算法的必要條件。16新技術(shù)與新媒體的未來5/8/2024一、一般熱門推薦算法（三）案例1.HackerNews新聞排序算法·HackerNews所采用的計(jì)算公式為：Score=(F-1)/(T+2)*GP表示投票數(shù)，即新聞的點(diǎn)贊數(shù)；T表示從信息發(fā)布到現(xiàn)在的小時(shí)數(shù)，+2防止除數(shù)太小；G表示重力加速度，代表了score根據(jù)時(shí)間降低的速率?！ぶ亓铀俣菺對(duì)時(shí)間因子T的影響：隨著時(shí)間流逝，時(shí)間因子T變大，這也導(dǎo)致了score值的下降；G值代表了時(shí)間因子T的幕指數(shù)，因?yàn)镚越大，score值隨時(shí)間T變小的速度會(huì)越快。17新技術(shù)與新媒體的未來5/8/2024一、一般熱門推薦算法（三）案例1.HackerNews新聞排序算法·在HackerNews看來，時(shí)間因子對(duì)信息的作用是先使其價(jià)值快速下降，之后下降的速度會(huì)越來越慢。·值得注意的是，HackerNews更關(guān)心用戶對(duì)新聞主動(dòng)做出評(píng)價(jià)的點(diǎn)贊數(shù)目，而不關(guān)心點(diǎn)擊數(shù)本身。這樣的設(shè)計(jì)可能會(huì)使“標(biāo)題黨”“灌水”類新聞因?yàn)闆]人點(diǎn)贊快速沉下去，而真正得到用戶好評(píng)的新聞會(huì)排到比較靠前的位置，這體現(xiàn)了該網(wǎng)站對(duì)優(yōu)質(zhì)內(nèi)容的傾向性。18新技術(shù)與新媒體的未來5/8/2024一、一般熱門推薦算法（三）案例2.Reddit信息排序算法·算法公式為：f(t,y,z)=lgz+y*t/45000其中，t=A-B,A為資訊發(fā)表時(shí)間，B為網(wǎng)站成立時(shí)間，所以這兩個(gè)都是時(shí)間點(diǎn)；而t是時(shí)間點(diǎn)的差值，也就是所經(jīng)過的時(shí)間。t,A,B的單位都是秒(s)。x=U—D,U為點(diǎn)贊數(shù)(upvote),D為點(diǎn)踩數(shù)(downvote),x是用來體現(xiàn)用戶評(píng)分的指標(biāo)。y值取決于x是否為正，也就是說用戶評(píng)分總體是好還是壞?？傮w偏向好的話取1,好壞相當(dāng)取0，偏負(fù)面的話取-1。z的作用就是把x的值取絕對(duì)整數(shù)值。19新技術(shù)與新媒體的未來5/8/2024一、一般熱門推薦算法（三）案例2.Reddit信息排序算法·特點(diǎn)：第一，時(shí)間的因素。從時(shí)間角度看，Reddit算法事實(shí)上實(shí)現(xiàn)了讓一個(gè)帖子的相對(duì)排名隨著時(shí)間下降的效果。第二，用戶評(píng)分的平滑處理。第三，爭(zhēng)議性大的帖子容易得到低分。20新技術(shù)與新媒體的未來5/8/2024二、個(gè)性化推薦系統(tǒng)（一）個(gè)性化推薦系統(tǒng)的相關(guān)概念及變量·熱門推薦：聚合計(jì)算出實(shí)時(shí)的十大熱門新聞，如國(guó)乒退賽等推薦給用戶。這樣的新聞?dòng)泻艽罂赡軙?huì)引起用戶關(guān)注。·相關(guān)推薦：與用戶當(dāng)前正在閱讀的文章主題相關(guān)的推薦。·用戶的短期興趣：根據(jù)用戶最近的行為來進(jìn)行推薦，比如用戶剛剛閱讀了與“西伯利亞”相關(guān)的新聞，剛剛在App中搜索了“天空之城”關(guān)鍵詞，則識(shí)別出用戶短期的興趣是“西伯利亞”和“天空之城”。21新技術(shù)與新媒體的未來5/8/2024二、個(gè)性化推薦系統(tǒng)（一）個(gè)性化推薦系統(tǒng)的相關(guān)概念及變量·用戶的長(zhǎng)期興趣：也叫用戶畫像，是用戶的長(zhǎng)期口味，技術(shù)上的本質(zhì)是一組用戶ID所對(duì)應(yīng)的一組keyword。比如某個(gè)用戶常年閱讀與軍事相關(guān)的新聞，就會(huì)形成一組相應(yīng)的keyword。長(zhǎng)期興趣還會(huì)考慮進(jìn)用戶的地理位置、年齡、性別、畢業(yè)院校等多個(gè)人口統(tǒng)計(jì)學(xué)因素”。長(zhǎng)期興趣的推薦可能會(huì)不僅僅使用用戶自身的用戶畫像，還會(huì)計(jì)算與用戶的用戶畫像相似的其他用戶，并找出其他用戶看過而這個(gè)用戶沒看過的新聞進(jìn)行推薦，這就構(gòu)成了協(xié)同過濾?！と诤希喊岩陨纤龅耐扑]結(jié)果都打亂了放在一起展示給用戶，就叫作融合"22新技術(shù)與新媒體的未來5/8/2024二、個(gè)性化推薦系統(tǒng)（二）新聞文本的特征提取·tf-idf算法：計(jì)算的是一個(gè)關(guān)鍵詞的權(quán)重值（weight）。tf-idf權(quán)重經(jīng)常被用作信息檢索和文本挖掘領(lǐng)域的應(yīng)用?！ぴ谔峁┝艘粋€(gè)語(yǔ)料庫(kù)的前提下，該方法通過統(tǒng)計(jì)手段，得出某文本中的某一個(gè)詞語(yǔ)的重要性/獨(dú)特性?！f-idf算法及其衍生變種算法，常常被搜索引擎用來給網(wǎng)頁(yè)打分和排序。23新技術(shù)與新媒體的未來5/8/2024二、個(gè)性化推薦系統(tǒng)（三）基于內(nèi)容的推薦（CB）·基于內(nèi)容的推薦：本質(zhì)上是對(duì)用戶畫像與文章特征之間進(jìn)行相似度計(jì)算。用戶畫像與文章特征形式上是完全一致的，都是一組獲得較高tf-idf權(quán)重的關(guān)鍵詞的集合。·只要對(duì)用戶畫像和文章的特征之間進(jìn)行相似度計(jì)算，然后在所有計(jì)算了相似度的文章中選取相似度最高的K篇文章作為推薦文章發(fā)給用戶即可。24新技術(shù)與新媒體的未來5/8/2024二、個(gè)性化推薦系統(tǒng)（四）基于協(xié)同過濾的推薦（CF）·協(xié)同過濾算法：也叫作社會(huì)過濾方法，是一種通過他人推薦來過濾信息的有效辦法?！の覀?cè)谏钪卸枷矚g找自己身邊的朋友來推薦一些電影、書籍和音樂，協(xié)同過濾就是這種樸素生活思想在算法上的體現(xiàn)。協(xié)同過濾首先為你找到和你口味相似的人群，然后把這個(gè)人群的選擇推薦給你。25新技術(shù)與新媒體的未來5/8/2024二、個(gè)性化推薦系統(tǒng)（五）矩陣分解方法（MD）·矩陣分解方法：也叫隱含因子模型；是一種通過把用戶對(duì)商品的評(píng)價(jià)矩陣分解為（1）用戶對(duì)隱含因子的偏好矩陣和（2）商品中包含隱含因子的情況矩陣這么兩個(gè)矩陣來實(shí)現(xiàn)有效推薦的模型?！ぴ谛侣勍扑]問題中，隱含因子的應(yīng)用難度比較大。這主要是由于新聞推薦問題中我們往往只有用戶是否閱讀新聞的數(shù)據(jù)，而沒有打分的數(shù)據(jù)，因此無法進(jìn)行有效的矩陣分解。26新技術(shù)與新媒體的未來5/8/2024二、個(gè)性化推薦系統(tǒng)（六）推薦系統(tǒng)的融合·一般的融合算法可以是簡(jiǎn)單的線性融合，也就是說每個(gè)算法的結(jié)果被賦予一個(gè)固定的比例，然后簡(jiǎn)單地加在一起：Result=w1?Hot+w2?CB+w3?CF·其中，各個(gè)算法的推薦結(jié)果權(quán)重wi（i指1,2,3,…）值的確定，可能需要使用A/Btest進(jìn)行小流量對(duì)比試驗(yàn)，甚至對(duì)全量用戶進(jìn)行分流，通過事后分析數(shù)據(jù)進(jìn)行參數(shù)調(diào)優(yōu)。也可以通過實(shí)時(shí)的機(jī)器學(xué)習(xí)方法，不斷地優(yōu)化這些權(quán)重值。27新技術(shù)與新媒體的未來5/8/2024三、目前個(gè)性化新聞推薦算法存在的問題（一）內(nèi)容不符合用戶興趣·目前自然語(yǔ)言處理的局限·協(xié)同過濾算法本身的缺陷（二）內(nèi)容質(zhì)量問題