本書共分為12章,內(nèi)容包括:個性化分發(fā)與內(nèi)容生產(chǎn)變革、算法推薦原理、用戶畫像的標簽體系、文本型內(nèi)容的建模與分析、智能推薦算法、大數(shù)據(jù)與推薦系統(tǒng)、基于算法推薦的自媒體定位、新媒體背景下的內(nèi)容生產(chǎn)、新媒體時代的標題等。
塔娜 2017年博士畢業(yè)于清華大學計算機系,同年進入中國人民大學新聞學院任教。研究方向為計算傳播學、新聞大數(shù)據(jù)、新媒體與數(shù)字傳播技術等。近年來以第一作者或通訊作者身份發(fā)表多篇CCF(中國計算機學會)A類及SCI(科學引文索引)論文,主持國家自然科學基金項目及北京市社會科學基金項目等科研課題。
唐錚 1998年就讀于中國人民大學新聞學院,2004年碩士畢業(yè)后從事媒體工作十余年,多次獲得亞洲卓越新聞獎、中國新聞獎、北京新聞獎,獲評北京市優(yōu)秀新聞工作者。2016年起回到人大新聞學院任教,講授“新聞采寫”“深度報道”“新媒體寫作”等課程,研究新聞實務及媒體融合,主持多項*及省部級相關課題。
第1章 個性化分發(fā)與內(nèi)容生產(chǎn)變革
第1節(jié) 中心式分發(fā)與非中心式分發(fā)
第2節(jié) 算法推薦與新聞價值
第3節(jié) 算法分發(fā)的基本流程對內(nèi)容生產(chǎn)的驅動型改變
第4節(jié) 算法分發(fā)的價值觀之辯
第2章 算法推薦原理
第1節(jié) 算法分發(fā)系統(tǒng)概覽
第2節(jié) 用戶的建模和分析
第3節(jié) 內(nèi)容的建模和分析——以文本型內(nèi)容為例
第4節(jié) 推薦算法
第3章 用戶畫像的標簽體系
第1節(jié) 用戶畫像標簽體系
第2節(jié) 用戶畫像標簽體系的計算
第4章 文本型內(nèi)容的建模與分析
第1節(jié) 內(nèi)容預處理和內(nèi)容安全
第2節(jié) 文本特征體系的建立和使用
第3節(jié) 知識圖譜
第5章 智能推薦算法
第1節(jié) 智能推薦系統(tǒng)的發(fā)端
第2節(jié) 關聯(lián)規(guī)則推薦算法
第3節(jié) 推薦算法的評估
第6章 大數(shù)據(jù)與推薦系統(tǒng)
第1節(jié) 詳解大數(shù)據(jù)
第2節(jié) 大數(shù)據(jù)與算法推薦系統(tǒng)
第3節(jié) 深度學習和神經(jīng)網(wǎng)絡
第7章 基于算法推薦的自媒體定位
第1節(jié) 從內(nèi)容生產(chǎn)者的角度看待作為媒體的算法分發(fā)平臺
第2節(jié) 了解并適應算法分發(fā)平臺
第3節(jié)如何進行內(nèi)容生產(chǎn)定位
第8章 新媒體背景下的內(nèi)容生產(chǎn)
第1節(jié)新媒體背景下內(nèi)容生產(chǎn)的演進
第2節(jié) 新媒體背景下內(nèi)容生產(chǎn)的采寫
第3節(jié) 新媒體背景下的內(nèi)容寫作
第9章 新媒體時代的標題
第1節(jié) 算法時代的新聞標題
第2節(jié) 標題的分類
第3節(jié) 標題的制作要求
第4節(jié) 警惕“標題黨”
第10章 新媒體內(nèi)容的制作
第1節(jié) 新媒體制作中的顛覆性視覺變化
第2節(jié) 標題區(qū)的制作
第3節(jié) 正文區(qū)的制作
第11章 新媒體的內(nèi)容生產(chǎn)運營
第1節(jié) 什么是內(nèi)容生產(chǎn)的運營
第2節(jié) 新媒體內(nèi)容運營的方法
第12章 人工智能與推薦系統(tǒng)
第1節(jié) 人工智能簡介
第2節(jié) 人工智能與智能媒體
第3節(jié) 自動化新聞和寫稿機器人
第4節(jié) 自動事實核查