算法新闻（21世纪新媒体专业系列教材）
批量上传，套装书可能不全，下单前咨询在线客服！有特殊要求，下单前请咨询客服！
￥ 31.98 6.4折 ￥ 49.8 全新
库存8件
江西南昌
认证卖家担保交易快速发货售后保障
作者塔娜 唐铮
出版社中国人民大学出版社
ISBN9787300271538
出版时间2019-08
装帧平装
开本16开
定价49.8元
货号27912830
上书时间2024-11-02
![“机械基础件、基础制造工艺和基础材料”系列丛书：机械基础件标准汇编[ 法兰]](https://www0.kfzimg.com/sw/kfz-cos/kfzimg/bafdfaae/ae1f3c2894506102_s.jpg)
商品详情
- 品相描述：全新
- 商品描述
-
导语摘要
《算法新闻》由两位不同专业背景的作者联手完成——具备计算机专业背景的塔娜老师，从浅显易懂的角度揭开算法的“黑匣子”，告诉广大内容生产者，在每篇新闻的内容经由算法平台分发到用户手中时，计算机都做了什么，是怎么做的。而具备多年媒体实务操作经验的唐铮老师，则站在内容生产的角度，告诉内容生产者要如何更新操作理念和写作方式，以便更加适应算法平台上的推送原则，更加符合新媒体背景下移动终端用户的阅读需求。本书既可作为“新媒体写作”及相关课程的配套教材，也可作为相关从业人员的参考书。
作者简介
塔娜 2017年博士毕业于清华大学计算机系，同年进入中国人民大学新闻学院任教。研究方向为计算传播学、新闻大数据、新媒体与数字传播技术等。近年来以作者或通讯作者身份发表多篇CCF（中国计算机学会）A类及SCI（科学引文索引）论文，主持国家自然科学基金项目及北京市社会科学基金项目等科研课题。
唐铮 1998年就读于中国人民大学新闻学院，2004年硕士毕业后从事媒体工作十余年，多次获得亚洲卓越新闻奖、中国新闻奖、北京新闻奖，获评北京市优秀新闻工作者。2016年起回到人大新闻学院任教，讲授“新闻采写”“深度报道”“新媒体写作”等课程，研究新闻实务及媒体融合，主持多项及省部级相关课题。
目录
第1章 个性化分发与内容生产变革
第1节 中心式分发与非中心式分发
第2节 算法推荐与新闻价值
第3节 算法分发的基本流程对内容生产的驱动型改变
第4节 算法分发的价值观之辩
第2章 算法推荐原理
第1节 算法分发系统概览
第2节 用户的建模和分析
第3节 内容的建模和分析——以文本型内容为例
第4节 推荐算法
第3章 用户画像的标签体系
第1节 用户画像标签体系
第2节 用户画像标签体系的计算
第4章 文本型内容的建模与分析
第1节 内容预处理和内容安全
第2节 文本特征体系的建立和使用
第3节 知识图谱
第5章 智能推荐算法
第1节 智能推荐系统的发端
第2节 关联规则推荐算法
第3节 推荐算法的评估
第6章 大数据与推荐系统
第1节 详解大数据
第2节 大数据与算法推荐系统
第3节 深度学习和神经网络
第7章 基于算法推荐的自媒体定位
第1节 从内容生产者的角度看待作为媒体的算法分发平台
第2节 了解并适应算法分发平台
第3节如何进行内容生产定位
第8章 新媒体背景下的内容生产
第1节新媒体背景下内容生产的演进
第2节 新媒体背景下内容生产的采写
第3节 新媒体背景下的内容写作
第9章 新媒体时代的标题
第1节 算法时代的新闻标题
第2节 标题的分类
第3节 标题的制作要求
第4节 警惕“标题党”
第10章 新媒体内容的制作
第1节 新媒体制作中的颠覆性视觉变化
第2节 标题区的制作
第3节 正文区的制作
第11章 新媒体的内容生产运营
第1节 什么是内容生产的运营
第2节 新媒体内容运营的方法
第12章 人工智能与推荐系统
第1节 人工智能简介
第2节 人工智能与智能媒体
第3节 自动化新闻和写稿机器人
第4节 自动事实核查
内容摘要
《算法新闻》由两位不同专业背景的作者联手完成——具备计算机专业背景的塔娜老师，从浅显易懂的角度揭开算法的“黑匣子”，告诉广大内容生产者，在每篇新闻的内容经由算法平台分发到用户手中时，计算机都做了什么，是怎么做的。而具备多年媒体实务操作经验的唐铮老师，则站在内容生产的角度，告诉内容生产者要如何更新操作理念和写作方式，以便更加适应算法平台上的推送原则，更加符合新媒体背景下移动终端用户的阅读需求。本书既可作为“新媒体写作”及相关课程的配套教材，也可作为相关从业人员的参考书。
主编推荐
塔娜 2017年博士毕业于清华大学计算机系，同年进入中国人民大学新闻学院任教。研究方向为计算传播学、新闻大数据、新媒体与数字传播技术等。近年来以作者或通讯作者身份发表多篇CCF（中国计算机学会）A类及SCI（科学引文索引）论文，主持国家自然科学基金项目及北京市社会科学基金项目等科研课题。
唐铮 1998年就读于中国人民大学新闻学院，2004年硕士毕业后从事媒体工作十余年，多次获得亚洲卓越新闻奖、中国新闻奖、北京新闻奖，获评北京市优秀新闻工作者。2016年起回到人大新闻学院任教，讲授“新闻采写”“深度报道”“新媒体写作”等课程，研究新闻实务及媒体融合，主持多项及省部级相关课题。
精彩内容
前言
时代发展和技术进步的速度之快，总是超乎人们的想象。至少对于自20世纪90年代起处在传统媒体市场化黄金期的人来说，这些年来他们一直在追赶技术的脚步。
从单一媒体看，20世纪90年代初期后的十年里，报纸从彻头彻尾的官办媒体、邮局发行、每天一到两个印张，变成全链条运营、全市场化运作，发行量超过百万，版面数量曾达千版，单个城市容纳报纸数量超过20家。20世纪90年代中期后的十年里，电视从中央电视台3个频道扩展到16个频道，从每个省市自治区一两个地方电视频道、彼此不相通，变成数十家省级上星卫视、上百家地方单品类频道和数百家收费电视频道。广播从各地三四个调频、一度经营窘困，到借着轿车私人化和城市道路拥堵的契机，一举变成利润率的传统媒体，频道也迅速增长到几十个。门户网站从2000年时互联网泡沫初次破裂、股票跌成几分钱“仙股”的三大门户，变成用户总量超过五亿的国民信息获取平台，后起的百度更是因其搜索引擎功能实现了人对信息的精准搜索，一跃成为互联网巨头。然而，门户网站的暴利时代仅仅维持了几年，以微博、微信、今日头条等为代表的信息客户端就实现了人们获取信息从台式机向移动终端的迁移。而今，新的变化又在酝酿。微信日活跃用户量已经超过十亿，今日头条则有望在未来几年内成为全国广告收入的单体公司。
发展和变化是如此迅速，所有站立在这个时代的人必须去了解身处的这个时代，并且能够大致预测和管窥未来的变化，这也是我们引入“算法新闻”这门课程的目的。如果借用媒介巨擘普利策的一句名言，“倘若一个国家是一条航行在大海上的船，新闻记者就是船头的？望者，他要在一望无际的海面上观察一切，审视海上的不测风云和浅滩暗礁，及时发出警告”，那么，身处这个大时代的新闻人，不仅要出自公共利益而起到监督观察的作用，更要对自身所处的媒介形态和环境进行不断的观察和预测。
算法新闻，其实并不是一个非常准确的概念。事实上，正在算法分发平台上像海水一样奔涌着的新闻，和我们几百年以来演变下来的新闻并没有本质上的差异，仍然要遵循真实性、客观性等基本新闻原则。内容生产者也同样要遵循客观、中立、公正等职业操守。
然而，算法的出现会改变很多现行的规则。此前，在传统媒体时代，新闻从业者只需要完全自主性地生产内容，而现在，算法将成为主导用户阅读方向和感受的幕后力量。作为生产者的新闻记者次要听从于计算机所规定的分发法则，算法将决定他们精心生产的内容能否传播及能走多远。
这本《算法新闻》试图带领大家进入这样一个全新的图景中：技术体系成为信息传播的社会性基础，数字化平台上奔流的信息使传统的内容生产者成为“媒体之媒体”?D?D今天，我们阅读的信息必须经过互联网平台的传递，信息与人之间的对接从过去的“信息媒体人”变成了“信息互联网平台人”。
新闻业界所遇到的巨大挑战正来源于此。计算机平台正在对整个社会的空间时间和权力关系进行重新建构。对新闻业而言，这是一个颠覆性的时代，也是一个充满机会的时代。未来的新闻业，注定要以计算机和不断迭代的程序作为自己生存的基础。
基于这个逻辑，内容生产者需要更加清晰地了解算法的原则、原理、运行方式，以便对内容生产起到更直接有效的帮助。因此，《算法新闻》由两个不同专业背景的作者联手完成?D?D具备计算机专业背景的塔娜老师，将从浅显易懂的角度揭开算法的“黑匣子”，告诉广大内容生产者在每篇新闻内容经由算法平台分发到用户手中时，计算机都做了什么，是怎么做的；而具备多年媒体实务操作经验的唐铮老师，将站在内容生产的角度，告诉内容生产者要如何更新操作理念和写作方式，以便更加适应算法平台上的推送原则，更加符合新媒体背景下移动终端用户的阅读需求。
本书共分为12章。
第1章结合国内外的实例，概述从传统媒体到新媒体的变化下，新闻传播从中心式分发向非中心式分发（算法分发+社交分发）的转变，用更加贴近实际的案例化方式介绍虽然渐变但是颠覆性的传播范式变化，进一步探讨算法分发和社交分发的异同点，并对算法分发下的平台责任和伦理进行了简要的分析。通过本章的学习，我们能够了解算法分发的特征，并理解在新媒体背景下掌握技术原理和内容生产原则的紧要性和迫切性。
第2章介绍算法分发系统的原理和概念。一个基本的算法推荐系统原型包括“用户”“内容”“分发算法”以及用户对推荐算法的反馈优化。通过标签化的用户画像、文本型内容的建模与分析方法，以及协同过滤推荐算法，介绍算法分发系统的若干基本要素，并对这些要素的功能和相互作用进行梳理。通过本章的学习，我们能够了解算法分发系统的基本原理，并初步形成对系统要素的认识。
第3章介绍如何认识和理解算法推荐系统服务的对象?D?D“用户”，以及在算法推荐系统中如何使用计算的手段为用户建立模型。以标签化的“用户画像”为主
— 没有更多了 —
以下为对购买帮助不大的评价