我们说新闻写作现在也是一个初步的阶段，美联社Wordsmith的平台写作，主要是写财经方面和体育方面的报道。第二个是自动提取关键信息，对它进行一些过滤，然后设定报道选题，到底做哪个方面的报道。现在写作基本上还是详细的、简单的，或者用各种风格的模块来填一些内容，主要是填数据，加上一些简单的语义加工，还有一些所谓的风格，最后就是编辑过目后再发布，最大的优势就是写作速度非常快。
从我们跟新华社新华网的合作，主要的亮点就是传感信号，真实记录了用户的体验。在各种数据的整合下，进行语义分析识别。比如《战马》上半场、下半场时间段的对应。然后是新闻模块的写作和人机交互。在这个过程当中应用很多，比如数据的可视化等等。
我们总结，模块+数据+语义+智力分析+其他信源。第一段通过传感器的数据来填充模块，要有一些语义分析的成分在里面。通过这些东西再加上一些线上内容的组合，来产生一些报道。
我们也可以做这种成人、儿童观看《战马》的不一样感受，比如老年人、男人、女人，通过数据做各种对比。
其次，像腾讯也基本上是这样，有模块填充数据，然后从网上采访多个信息源来补充。
这是生成的页面，各种对比的数据，包括可以选择的东西。这种做法可以跟新闻记者，或者写作的人提供更客观、更真实的观剧的反应和数字，而不是调查采访，可以从多个角度、各种比例得出统计数据。
另外，写完新闻之后新闻发布还是有规则的。比如洛杉矶时报关于地震的自动报道，6.0级以上就是自动报道。3.0级至6.0级则会将报道发送至编辑，由其决定是否值得追踪报道。3.0级以下则不会收到消息，因为多数情况下，这意味着不值得大惊小怪。机器人写作的步骤通过高质量数据采集、新闻的计算、人机交互。首先是大数据的分析，数据的采集，你是来自于哪个方面，上升怎么样，有几个波峰波谷，流入流出，有数字特征的信息就比较好。高质量数据的采集，线上、线下，特别是一些传感技术，还有新闻的计算，数据的新闻价值判断，选择故事的“角度”。
当下写作主要是基于统计的数据比较多。未来，我们觉得生物传感技术这些东西也比较重要，能抓到兴奋程度、注意力、人体生物体征的东西。这种东西掩饰不了，可以应用于观剧、观看电影、广告的投放，人的真实反应和课堂学习的反馈，还有人群健康状况的监测。这是将来很重要的一个方面。
新闻的计算，新闻价值的判断，数据异常检测适用范围，如何核实异常数据数据为新闻？如何引入人工智能进行综合建模？机器学习方法需要的数据从哪里来？辅助记者选择新闻的角度，如何面向不同领域的记者，辅助整理报道逻辑和路径？如何为记者检索甚至量身定制恰当的叙事模块。
人机交互，数据可视化，基本图表的生成，复杂数据的可视化。自然语言的生成，匹配相应的语义信息的句子模块，串联融合各句子的篇章结构模块，文字的“风格”建模，如用词习惯等。
<上一页 1 2 3 下一页>
