解析智媒体时代大数据应用:网络编辑会否被取代

简介:

7月28日,第三期新浪未来媒体峰会系列沙龙在北京举行。如今,网络媒体智能化已经成为未来的发展趋势。在本次创想日沙龙上,来自清华大学计算机系、中国传媒大学新媒体研究院以及新浪网的科技新媒体研究专家,就媒体创新领域的最新热门话题进行了分享与讨论。

在沙龙上,新浪新闻还宣布成立创新联盟,这是一个汇集媒体创新领域顶级专家的沟通、交流联盟,成员包括媒体行业的总编辑、学者和专家。在会议结束时,新浪新闻向首批创新联盟专家颁发了聘书。

个性化推荐的基础是大数据

新浪网信息系统算法部总监李云辉首先做了分享。在他看来,智媒体的一个重要特征就是个性化推荐,而个性化推荐的基础则是大数据的基础服务支撑。在峰会现场,李云辉跟大家分享了新浪的媒体大数据是如何构建的。

新浪大数据业务分成三大板块:微博板块,新浪网通用板块,垂直板块,包括汽车、财经、娱乐、体育等。在这三大板块的数据运用上,新浪网都积累了很多经验。

比如在微博板块,占据新浪整个数据的80%以上。新浪微博注册用户超过6亿,月活两亿以上,日活则在一亿。李云辉介绍说,“微博每天处理的原始日志量大概在100T左右,然后发博量大概在一亿多。微博用户点击了哪个图片,操作了哪个按钮,每天都会做一个数据日志。”

有了数据就要想办法把各个平台打通,组织起来给用户提供服务。李云辉以汽车为例,微博上会有喜欢汽车的用户,他们点击了汽车的什么话题,看了哪款车都有记录,新浪大数据记录下来后就会把微博上的这些数据,推荐到汽车频道的PC端和APP端。这样一来,微博上的数据就能和其他端口的数据完全联结整合,打包在一起向用户推荐信息。

财经的新闻一般相对比较枯燥,新浪的大数据服务可以将其具体化,给用户做定制化的推荐服务。李云辉说,“我们有个产品叫投资易产品,投资者每天上来以后,就能看到每天最新的事件是什么,概念板块是什么,概念主题是什么,红圈越大,代表涨得越高。”

分答:粉丝经济和知识经济的结合

在行&分答联合创始人杨璐在沙龙上提到,知识付费这个话题由来已久,国内许多家公司都做过尝试,但都没有找到一个非常好的商业模式。在行于去年4月份上线,到目前一年多时间,积累了差不多一万多个不同领域的行家。

在行创办至今,一直坚持了三大原则:以人为核心、以交易作为切口、以服务来售卖。在这三大原则之上,在行的团队又花了一个星期时间,研发出分答APP。最初,分答是微信端的应用产品,简单来说就是一个H5,但它一不小心却成了2016年吸金最大的H5。

杨璐认为,分答是在产品上做的极大创新,它是以60秒的语音作为付费商品,用户以付费的方式来获取一个答案。同时它还鼓励每个人付费去偷听答案,平台抽走10%,剩下的提问者和答题者各得45%的收入。这种方式刺激了很多人聚集到分答之下,目前在微信端已经有一百五十万的付费用户,这应该是2016年的一个奇迹产品。

分答的成功某种程度上验证了一个“一千粉丝”理论。也就是说,在自媒体时代,当一个人有一千个粉丝的时候,他就已经具备变现的能力,过上比较体面的生活。

杨璐认为,未来的趋势肯定是越来越多的人会向往更加自由、愉快,不依赖于机构的生活方式。与此同时,更多人也希望获得更加个性化,定制化的服务。分答就是把粉丝经济和知识经济做了一个有机结合,也是知识领域消费升级方面的一个有益探索。

人工智能新闻应用的优势和劣势

在沙龙上,清华大学计算机系副教授黄民烈主要分享了人工智能如何应用于新闻数据分析。

人工智能其实就是试图探索人脑认知的过程,再把它在计算机上加以实现。比如一些重大的国际性事件,要想形成一个新闻专题本来需要很多人工操作。黄民烈提到,通过人工智能就能够自动分析出来。比如一个连续发生多日的事件,2日、3日、4日不需要太多报道,但是1日、5日和7日是重要节点,人工智能可以在这些节点上自动生成一个子事件标题。对于用户来说,就知道在这些节点上,发生了哪些重要的事情。

一个经典案例是2010年的智利矿工救援事件,里面有多次营救,根据人工智能做出来的关键节点,就能看出第一次营救失败,又想了什么办法,第二次营救是什么情况,第三次营救他们又是怎么做的。

对于一般性的新闻写作来说,人工智能都可以解决,并不复杂。甚至即便要是想模仿一个艺术大师的名画,人工智能也可以做到很高的仿真度。黄民烈认为,从目前来看,人工智能在视觉和语音方面已经做得非常出色,但对于语言文字和对知识的理解推理上,人工智能还有很长的路要走。

新媒体的核心要素是数据

从大数据角度看,我们媒体的未来在哪里?在沙龙上,中国传媒大学新媒体研究院副教授卢迪为大家勾勒出她认为的未来媒体图景。

在卢迪看来,未来媒体除了要更智能,更加知道受众想看什么以外,更要求传统媒体要与新型媒体一体化发展。这种一体化发展不是说媒体被互联网融合,而是要让媒体先成为新媒体,才能在这基础上进行媒体融合。

新媒体的核心要素就是数据,新媒体的发展规律则是会有效地使用数据,并知道如何发挥数据的价值。

卢迪总结说,媒体的传播能力等于它的规模和实力,再加它的国际影响力。未来的媒体必然是大数据作为引擎的媒体,归根结底,数据是驱动未来媒体产生商业模式,驱动媒体产品创新和做大品牌最重要的根基。

原创是网络编辑最核心的优势

在沙龙的最后阶段,新浪新闻媒体产品总监王晓晨谈到,大数据时代,网络编辑是否会被取代这个话题。

按照内容划分,网络编辑的主要工作分为:对热点发现和跟踪、制作专题、原创,以及推荐内容。在发现热点方面,机器的效率非常高,但是缺点是不知道如何聚焦。王晓晨认为,聚焦热点的时候就能看出编辑的重要性,他可以根据自己的经验和知识做决策。做专题也是机器的速度更快,但是需要编辑去做推荐。总体看来,原创目前是网络编辑最核心的优势,也是他们唯一可以固守的阵地,机器还无取代他们的可能性。

未来,利用机器的好处是,可以拆解编辑工作流程的每一个环节,将最机械的部分替换掉,节省出人力做更有意义的事情。王晓晨觉得,网络编辑目前大可不必恐慌,现在重要的是要拥抱变化,不断探索媒体的发展趋势,重新定位自己。





====================================分割线================================


本文转自d1net(转载)

相关实践学习
简单用户画像分析
本场景主要介绍基于海量日志数据进行简单用户画像分析为背景,如何通过使用DataWorks完成数据采集 、加工数据、配置数据质量监控和数据可视化展现等任务。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
目录
相关文章
|
30天前
|
机器学习/深度学习 算法 PyTorch
RPN(Region Proposal Networks)候选区域网络算法解析(附PyTorch代码)
RPN(Region Proposal Networks)候选区域网络算法解析(附PyTorch代码)
221 1
|
2天前
|
SQL 分布式计算 资源调度
一文解析 ODPS SQL 任务优化方法原理
本文重点尝试从ODPS SQL的逻辑执行计划和Logview中的执行计划出发,分析日常数据研发过程中各种优化方法背后的原理,覆盖了部分调优方法的分析,从知道怎么优化,到为什么这样优化,以及还能怎样优化。
|
6天前
|
存储 监控 安全
网络安全与信息安全:防范漏洞、应用加密、提升意识
【4月更文挑战第18天】 在数字化时代,网络安全与信息安全保障已成为维护国家安全、企业利益和个人隐私的关键。本文深入探讨网络安全的多面性,包括识别和防御网络漏洞、应用加密技术保护数据以及提升全民网络安全意识的重要性。通过对这些关键领域的分析,文章旨在为读者提供实用的策略和建议,以增强其网络环境的安全防护能力。
10 0
|
7天前
|
数据采集 机器学习/深度学习 数据挖掘
网络数据处理中的NumPy应用实战
【4月更文挑战第17天】本文介绍了NumPy在网络数据处理中的应用,包括数据预处理、流量分析和模式识别。通过使用NumPy进行数据清洗、格式化和聚合,以及处理时间序列数据和计算统计指标,可以有效进行流量分析和异常检测。此外,NumPy还支持相关性分析、周期性检测和聚类分析,助力模式识别。作为强大的科学计算库,NumPy在处理日益增长的网络数据中发挥着不可或缺的作用。
|
13天前
|
存储 安全 测试技术
网络奇谭:虚拟机中的共享、桥接与Host-Only模式解析
网络奇谭:虚拟机中的共享、桥接与Host-Only模式解析
18 0
|
15天前
|
传感器 监控 安全
|
15天前
|
安全 SDN 数据中心
|
15天前
|
安全 网络安全 网络虚拟化
虚拟网络设备与网络安全:深入分析与实践应用
在数字化时代📲,网络安全🔒成为了企业和个人防御体系中不可或缺的一部分。随着网络攻击的日益复杂和频繁🔥,传统的物理网络安全措施已经无法满足快速发展的需求。虚拟网络设备🖧,作为网络架构中的重要组成部分,通过提供灵活的配置和强大的隔离能力🛡️,为网络安全提供了新的保障。本文将从多个维度深入分析虚拟网络设备是如何保障网络安全的,以及它们的实际意义和应用场景。
|
30天前
|
机器学习/深度学习 PyTorch 算法框架/工具
卷积神经元网络中常用卷积核理解及基于Pytorch的实例应用(附完整代码)
卷积神经元网络中常用卷积核理解及基于Pytorch的实例应用(附完整代码)
20 0
|
7天前
yolo-world 源码解析(六)(2)
yolo-world 源码解析(六)
18 0

推荐镜像

更多