人工智能在新闻交互上的应用——对话式新闻

       对话式新闻是什么呢?对话式新闻就是将新闻以聊天对话的形式展现给用户,提供拟人化的对话场景。

      那为什么会出现“对话式新闻”呢?

      本文将从两个方面进行分析“对话式新闻”出现的原因:目前技术方面(人工智能)的支持以及新闻类客户端存在的痛点。

      首先从技术方面的支持来进行分析。

       现在,媒体从业者必须意识到,科技进步改变了新闻生产和发布形式,而新媒体时代的核心集中在两大领域:机器人和人工智能。

       人工智能是新闻对话式交互这一功能的强大助手,人工智能可以基于用户的“关注点”自行编写图谱,以短讯对话的方式呈现出来。而现在人工智能技术已经越发成熟,截至2017年5月份,基于谷歌机器学习系统的语音识别准确率(英语)已经达到了95%,为用户的自主交流以获取有用信息提供技术基础。

(人工智能)

       接下来从目前新闻类客户端存在的痛点这一方面来进行分析。

       据传媒大观察数据显示,全国层面上的有一定用户规模和日活数的新闻类客户端已超过200个,既有传统媒体转型的迁移之作,也有在新环境下应运而生的新型媒体。尽管如此,却仍以资讯流体验为主,新闻展现形式单一,内容普遍存在同质化、缺乏深度与特色的痛点。

       新闻类客户端存在一定的痛点,那么总会出现一些新的模式或形式来解决这些痛点,因此对话式新闻就应运而生。

(对话式新闻)

       在展现形式上,对话式新闻利用聊天对话形式,再以表情包、视频、图片等作为辅助,相较于传统的资讯流来说,展现形式比较新颖有趣。

       在新闻内容上,相比于传统的资讯流,对话式新闻一次只解决一个新闻话题,用户可以依据自己的兴趣,决定是否要把这个话题聊透。同时,对话新闻让看新闻这件事本身变得像聊天一样自然,也不需要自行筛选过滤信息,而是由机器代替你,对每一篇新闻的内容、段落逻辑进行深度理解,再对同一话题下的不同新闻观点进行聚类以及关联度计算,提炼出新闻的核心内容及其相互之间的关系,从而帮助用户更好地理解以及吃透每一篇新闻。

       在用户习惯上,对话式新闻采取对话式交互方式,为用户推荐新闻,改变了读者需要自己在大量分类信息中筛选寻找的模式(即使已经有了一轮个性化推荐),使得用户略微被动接受信息推送并且参与到新闻事实的探索中。

       那么这样的方式到底好不好呢?

       这里主要从受众体验的角度来分析对话式新闻这种呈现方式的优劣势。

       优点:

       1、内容多元化:可以采用图片、表情包等多种方式来完成对某条新闻的介绍,内容丰富有趣。

       2、语言简洁,便于传播:采用消息的形式来进行新闻内容的阐述,所以其语言都是经过编辑高度提炼的。这种简洁精炼的语言不仅能够帮助用户在较短的时间内理解新闻事件的大致情况,还可以让用户直接复制、粘贴,直接进行传播。

       缺点:

       1、互动受限:对话式新闻主要有两种互动形式——系统预设好互动选项和用户自主回复。若是在阅读新闻的时候,用户只能根据系统预设好的几个互动选项来和平台进行互动,这样会导致互动受到一定的限制。若是用户能通过自主回复的形式进行互动,但存在的问题是目前人工智能并不够完善,无法回复用户各种问题,有时还会回复一些不恰当的话语,会导致撑不住场的现象。

       解决方法:限定互动选项形式时,可以根据每一条新闻建立深度的即时聊天室,用户之间能够在聊天室中进行有效地互动,打造更丰富的社群生态。用户自主回复时,只能通过进一步完善人工智能技术来解决上述问题。

       2、用户无法主动挖掘新闻:平台会主动推送新闻,并不能时时地较好地与用户的兴趣结合起来。用户也无法主动选择感兴趣的新闻进行阅读,只能被动地接受信息。

       解决方法:在主动推送新闻前,可以让用户选择感兴趣的领域与话题标签,系统再根据这些为用户更好地进行推送。另外还可以增加一些额外的还有热点新闻及即时新闻,可供用户自行选择阅读,提高用户的自主选择性。

       到目前为止,国外已经有好多个人工智能在新闻交互上的应用的例子,如“Quartz”、“NewsPro 2.0”等。而国内目前只有三个应用:“百度新闻”、“封面新闻”以及“下文”。这些应用都有一定的不足:交互的不流畅、算法识别不力导致的假新闻、算法按兴趣自动推送带来的观点极化等等。不过不急,这还只是一个开始。《路透2017媒介预测报告》中也指出,聊天机器人和“会话新闻”艺术将出现广泛创新。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 213,099评论 6 492
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,828评论 3 387
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 158,540评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,848评论 1 285
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,971评论 6 385
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,132评论 1 291
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,193评论 3 412
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,934评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,376评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,687评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,846评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,537评论 4 335
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,175评论 3 317
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,887评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,134评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,674评论 2 362
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,741评论 2 351

推荐阅读更多精彩内容