|
|
|
《演算法新聞》由兩位元不同專業背景的作者聯手完成——具備電腦專業背景的塔娜老師，從淺顯易懂的角度揭開演算法的“黑匣子”，告訴廣大內容生產者，在每篇新聞的內容經由演算法平臺分發到使用者手中時，電腦都做了什麼，是怎麼做的。
而具備多年媒體實務操作經驗的唐錚老師，則站在內容生產的角度，告訴內容生產者要如何更新操作理念和寫作方式，以便更加適應演算法平臺上的推送原則，更加符合新媒體背景下移動終端使用者的閱讀需求。
本書既可作為“新媒體寫作”及相關課程的配套教材，也可作為相關從業人員的參考書。
塔娜 2017年博士畢業于清華大學電腦系，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、新聞大資料、新媒體與數位傳播技術等。近年來以作者或通訊作者身份發表多篇CCF（中國電腦學會）A類及SCI（科學引文索引）論文，主持國家自然科學基金專案及北京市社會科學基金專案等科研課題。
唐錚 1998年就讀于中國人民大學新聞學院，2004年碩士畢業後從事媒體工作十餘年，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”“深度報導”“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 個性化分發與內容生產變革
第1節 中心式分發與非中心式分發
第2節 演算法推薦與新聞價值
第3節 演算法分發的基本流程對內容生產的驅動型改變
第4節 演算法分發的價值觀之辯
第2章 演算法推薦原理
第1節 演算法分發系統概覽
第2節 用戶的建模和分析
第3節 內容的建模和分析——以文本型內容為例
第4節 推薦演算法
第3章 用戶畫像的標籤體系
第1節 用戶畫像標籤體系
第2節 用戶畫像標籤體系的計算
第4章 文本型內容的建模與分析
第1節 內容預處理和內容安全
第2節 文本特徵體系的建立和使用
第3節 知識圖譜
第5章 智慧推薦演算法
第1節 智慧推薦系統的發端
第2節 關聯規則推薦演算法
第3節 推薦演算法的評估
第6章 大資料與推薦系統
第1節 詳解大數據
第2節 大資料與演算法推薦系統
第3節 深度學習和神經網路
第7章 基於演算法推薦的自媒體定位
第1節 從內容生產者的角度看待作為媒體的演算法分發平臺
第2節 瞭解並適應演算法分發平臺
第3節如何進行內容生產定位
第8章 新媒體背景下的內容生產
第1節新媒體背景下內容生產的演進
第2節 新媒體背景下內容生產的采寫
第3節 新媒體背景下的內容寫作
第9章 新媒體時代的標題
第1節 演算法時代的新聞標題
第2節 標題的分類
第3節 標題的製作要求
第4節 警惕“標題黨”
第10章 新媒體內容的製作
第1節 新媒體制作中的顛覆性視覺變化
第2節 標題區的製作
第3節 正文區的製作
第11章 新媒體的內容生產運營
第1節 什麼是內容生產的運營
第2節 新媒體內容運營的方法
第12章 人工智慧與推薦系統
第1節 人工智慧簡介
第2節 人工智慧與智慧媒體
第3節 自動化新聞和寫稿機器人
第4節 自動事實核查
