新聞生產模式人工智能應用分析

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了新聞生產模式人工智能應用分析范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要：人工智能作為一門新興的學科和技術，對社會發展產生了深遠影響，并在包含新聞媒體在內的諸多領域有了重要應用。本文從新聞寫作和內容投放分發兩個方面介紹人工智能技術在新聞行業中的應用。在新聞寫作方面，介紹WordSmith和Dreamwriter兩種機器寫作軟件，并分析人工智能可能帶來的變革和人機協作發展前景。在內容投放分發方面，則概述推薦算法的分類和利弊，并以今日頭條為例，簡要分析其實際運用。

關鍵詞：人工智能；新聞寫作；內容投放分發；應用分析

人工智能的研究內容涉及神經科學、計算機、心理學及認知科學，主要模擬和拓展人類個體和群體智能。由于計算機軟硬件技術不斷提高，人工智能的理論研究和技術實踐都取得了顯著發展，并成功應用于金融貿易、交通物流、新聞媒體等領域。人工智能技術與新聞業的融合，改變了傳統的信息生產流程和傳播方式，從內容采集、新聞寫作、投放分發到效果反饋，每個階段都實現了新的創造和顛覆［1］。本文對人工智能技術在新聞寫作和內容投放分發兩方面的應用進行一個綜合分析，并探討它在新媒體環境下給新聞生產模式帶來的變革。

一、新聞寫作：機器化

傳統媒體寫稿、編輯等工作都由人來完成，隨著信息技術的發展以及人們對信息需求量的攀升，基于傳統媒體的稿件編寫方式無法實時提供有效信息給用戶。因此，將智能化技術、大數據處理技術應用于新聞稿件的自動編寫是媒體行業智能化升級的一個重要方向。

（一）機器人寫稿得到廣泛應用最早的機器人寫稿軟件是2007年創立的美國公司AutomatedInsights開發的名叫WordSmith的軟件，該軟件為美聯社自動編寫過很多有關企業財務業績的新聞。此后，《紐約時報》《華盛頓郵報》《衛報》等媒體也逐步將人工智能技術應用到新聞采編的多個環節。在國內，騰訊財經于2015年開發了一款自動寫作新聞軟件——騰訊寫作機器人（Dreamwriter）。據報道，Dreamwriter可以對信息內容進行自動處理和分析判斷，以最快的速度生成稿件，甚至可以在一分鐘之內完成。2015年9月10日，Dreamwriter了第一篇題為“8月CPI漲2%創12個月新高”的稿件，內容引用了中國國家統計局當日的8月居民消費價格指數數據，并援引了包括國家統計局、銀河證券分析報告等多名分析師的觀點，還穿插了中國降息的背景及CPI（居民消費價格指數）的含義。從行文上看，這樣的寫作方式與媒體記者日常的消息稿有較高的相似度。除此之外，今日頭條的Xiaomingbot、新華社的快筆小新等也被廣泛地應用到各類媒體中。

（二）機器人寫稿能否代替人工寫稿機器人寫稿的廣泛應用，也引發了一個擔憂，即機器人能否替代新聞工作者？2015年，美國公共廣播曾找來速度最快的優秀ScottHorsley與機器人WordSmith進行一場新聞寫作比賽，雙方被要求就一家餐廳的經營情況寫篇短文［2］。WordSmith用2分鐘完成，則花了7分鐘，機器人在速度上具有明顯的優勢，但真人撰寫的內容更有創造力，語言更詼諧，能給出更深層次的、個性化的分析，這是人工智能目前無法替代的。機器的特長在于海量資訊素材的模式化處理上的高效率，但是在微妙情感關系的處理和表達方面，尤其是在價值規則的制定和參照框架的選擇方面，人的智能不可或缺［3］。因此，高質量的新聞稿需要有記者的個性化分析和細膩的文字才能產生。

（三）人機協作將實現新突破毫無疑問，智能化內容編寫技術的橫空出世會引起新聞生產模式的變革。從新聞制作過程的角度來看，人工智能帶來的最顯著變化在于將新聞用戶和傳播效果整合到新聞生產中。因此有學者認為，媒體的智能發展“重新定義了社會信息化、社會生活和社會結構，重新定義了企業和媒體，重新定義了媒體市場和行業運行機制，甚至重新定義了信息時代，人類社會正在快速走向智能互聯時代和智能通信時代”［4］。智能化技術在一定程度上解放了新聞工作者，它能協助記者搜集、分析信息，使記者從信息“提供者”轉變為“解釋者”，將工作重點放在機器人無法進行的深入報道和調查報告上［5］。而媒體人除了提高自身的新聞專業能力以外，還要學會如何更好地運用技術。因此，人機協作才能推進新聞媒體行業向前發展。

二、內容投放分發：精準化

當信息傳播由“傳者本位”轉變為“受者本位”之后，如何貼近用戶需求，在信息海洋中為用戶篩選出他們感興趣的信息，成為了傳播者們需要考慮250技術與應用的問題。在此背景下，算法推薦系統應運而生，它的首要任務是根據用戶的個人偏好，從大量繁雜的信息中為其推送感興趣的內容，實現個性化推薦。經過二十多年的發展，算法推薦系統已經在電子商務、視頻網站、社交平臺、新聞媒體等多方面得到廣泛應用，并取得了良好成效。

（一）推薦算法概況根據算法思想的區別，可以將推薦算法大致分為三大類。第一類為基于內容的推薦算法，其原理是通過某用戶喜歡和關注過的項目尋找類型匹配的項目，并將其推薦給該用戶。此類推薦算法簡單，推薦準確，但其僅考慮內容之間的匹配度，忽視了不同用戶間的匹配度，并且多次推薦相似內容可能引起審美疲勞。第二類為協同過濾算法，該算法在基于內容的推薦算法的基礎上，充分考慮了用戶的匹配度，但在初期會面臨冷啟動問題。其實現過程主要包含搜集用戶信息、相似度計算、生成推薦列表這三個步驟［6］。第三類為混合推薦算法，其核心思想是通過加權、串聯或并聯等方式，對多種推薦算法進行建模，再利用集成學習方法實現多種算法的優勢互補與有機融合。

（二）推薦算法在新聞內容推薦上的運用——以今日頭條為例今日頭條是時下新聞資訊類APP當中的佼佼者，而設計推薦算法模型為用戶推送個性化內容也是該應用的一大特色。2018年1月，今日頭條資深算法架構師曹歡歡公開了該應用的算法原理。今日頭條的算法推薦系統，由協同過濾算法、LR算法等組合而成，模型結構可根據不同的業務場景作出相應調整。今日頭條選取了四個典型推薦特征為算法提供數據。第一類是相關性特征，包括內容的關鍵詞、來源、主題等的屬性是否與用戶相匹配，即搜尋用戶興趣點。第二類是環境特征，包括用戶所處的地理位置、時間。第三類是熱度特征，包括全局熱度、分類熱度、主題熱度和關鍵詞熱度等，平臺可以向普遍用戶推送當時熱度較高的內容。第四類是協同特征，主要是通過用戶行為分析用戶間的相似性，將有相似興趣、行為的用戶關聯到一起，便于擴展算法推薦范圍，改善推送內容固化現象［7］。由于今日頭條的內容量非常大，單以模型預估進行內容推薦難以實現，因此推薦系統中還設計了召回策略。召回階段的任務是考慮用戶的愛好、歷史行為和熱度等，從數量龐大的內容庫（千萬條內容）中選擇一個較小的候選集（數百到數千條內容），這個候選集能更精準地抓住用戶需求。

（三）以算法為基礎進行內容推送的利弊1.直擊用戶痛點，增強用戶黏性。通過推薦算法對信息的篩選，更多有效信息能直接傳遞給用戶。從原來的用戶主動搜尋獲取信息或海量信息流推送的被動接受，轉變為基于用戶興趣需求和信息智能推送的雙相匹配。這給用戶帶來了極大的便利，能讓用戶獲得較好的使用體驗感，有利于增強用戶黏性。2.推送內容同質化，容易形成“信息繭房”。桑斯坦認為，在信息傳播中，公眾自身的信息需求并非全方位的，若只注意自己選擇的東西和使自己愉悅的信息，久而久之，會將自身桎梏于蠶繭一般的繭房中［8］。推薦算法持續根據用戶的喜好和過往行為進行推送，常常出現推薦內容同質化的情況。用戶一旦固化了閱讀領域，就會對該領域的信息越來越熟悉，而對其他方面的問題知之甚少。長此以往，用戶的自我信息結構將不完整，信息面也將窄化。3.娛樂信息泛濫，缺少深度信息。算法推薦推崇的是技術理性和數據理性，以淺層次的、基本的興趣需求為基點，容易出現娛樂信息泛濫，深度信息難以接收的現象。而這樣的情況實際上以“精神鴉片”剝奪了人獨立的思考能力，起到了“麻醉”效果，長此以往，會導致用戶對社會公共事務失去興趣。

三、結語

隨著人工智能技術的不斷成熟和計算機處理能力的不斷提升，人工智能應用領域的廣度和深度都得到了前所未有的發展。相對而言，人工智能技術在新媒體的應用起步較晚，但帶來的變革卻是令人震撼的。未來，人工智能技術與大數據處理技術的進一步有機融合將為新媒體領域的信息采集、新聞撰寫、數據處理、運營推廣等多個環節提供嶄新的發展思路，為新聞行業帶來更加高效、高質的運營模式。

參考文獻：

［1］陳爽.智能媒體時代的新聞生產［J］.新聞研究導刊，2020，11（02）：36-37.

［2］王杰夫.資深記者與機器人比賽寫稿，誰會贏？［EB/OL］.好奇心日報.

［3］喻國明.“機器新聞寫作”時代傳媒發展的新變局［J］.中國報業，2015（23）：22-23.

［4］呂尚彬，劉奕夫.傳媒智能化與智能傳媒［J］.當代傳播，2016（04）：4-8.

［5］許明.機器人新聞與智能媒體建設的路徑［J］.安陽工學院學報，2020，19（02）：45-50.

［6］秦燦，李旭東.淺析協同過濾推薦算法［J］.電腦知識與技術，2019，15（13）：288-291.

［7］趙燁楠.新媒體平臺的算法推薦機制研究［D］.浙江傳媒學院，2019.

［8］劉彩霞.融媒體時代信息繭房的影響及對策［J］.視聽，2020（02）：206-207.

作者：楊書涵 徐星 單位：安徽大學