【摘要】智能推薦系統(tǒng)在新媒體平臺(tái)的應(yīng)用日益廣泛，成為提升用戶體驗(yàn)和促進(jìn)內(nèi)容傳播的重要工具。本文探討了智能推薦系統(tǒng)的基本概念、功能和主要算法，包括基于內(nèi)容的推薦、協(xié)同過濾和混合推薦方法。通過分析其在新媒體平臺(tái)中的實(shí)際應(yīng)用，特別是在內(nèi)容推薦、廣告推薦和社交推薦方面，闡明了智能推薦系統(tǒng)如何滿足用戶個(gè)性化需求并提高平臺(tái)的商業(yè)價(jià)值。同時(shí)，研究還指出了數(shù)據(jù)隱私、算法偏見和用戶體驗(yàn)等方面的挑戰(zhàn)。最后，本文展望了未來技術(shù)進(jìn)步帶來的發(fā)展趨勢(shì)，如多模態(tài)推薦系統(tǒng)和自適應(yīng)推薦機(jī)制，以期為新媒體平臺(tái)的持續(xù)創(chuàng)新提供參考。

【關(guān)鍵詞】智能推薦系統(tǒng)；新媒體平臺(tái)；內(nèi)容推薦；廣告推薦；社交推薦

中圖分類號(hào)：TN949" " " " " " " " " " " " " "文獻(xiàn)標(biāo)識(shí)碼：A" " " " " " " " " " " " " " DOI：10.12246/j.issn.1673-0348.2024.24.017

隨著互聯(lián)網(wǎng)技術(shù)的迅猛發(fā)展，新媒體平臺(tái)如社交媒體、視頻分享網(wǎng)站和在線新聞應(yīng)用等逐漸成為人們獲取信息和娛樂的主要渠道。然而，隨之而來的信息過載現(xiàn)象使用戶面臨選擇困難，亟需有效的工具幫助他們篩選和發(fā)現(xiàn)感興趣的內(nèi)容。智能推薦系統(tǒng)應(yīng)運(yùn)而生，作為一種利用算法和數(shù)據(jù)分析技術(shù)，為用戶提供個(gè)性化內(nèi)容的解決方案，其在新媒體平臺(tái)中的應(yīng)用日益受到重視[1]。通過分析用戶行為和偏好，智能推薦系統(tǒng)能夠?qū)崟r(shí)推送相關(guān)信息，提升用戶的滿意度和黏性。本文深入探討了智能推薦系統(tǒng)的原理、應(yīng)用及其所面臨的挑戰(zhàn)，力求為相關(guān)領(lǐng)域的研究與實(shí)踐提供有益的啟示。

1. 智能推薦系統(tǒng)的概述

1.1 定義與功能

1.1.1 智能推薦系統(tǒng)的基本概念

智能推薦系統(tǒng)是一種利用數(shù)據(jù)分析和機(jī)器學(xué)習(xí)技術(shù)，為用戶提供個(gè)性化內(nèi)容建議的工具。其核心目標(biāo)是根據(jù)用戶的歷史行為、興趣偏好和社交網(wǎng)絡(luò)信息，通過算法自動(dòng)生成推薦結(jié)果，以提高用戶體驗(yàn)和滿意度[2]。智能推薦系統(tǒng)廣泛應(yīng)用于電子商務(wù)、社交媒體、在線新聞和視頻平臺(tái)等新媒體領(lǐng)域，幫助用戶高效尋找感興趣的內(nèi)容，增強(qiáng)平臺(tái)的互動(dòng)性與用戶黏性。

1.1.2 主要功能與技術(shù)框架

智能推薦系統(tǒng)的主要功能包括用戶行為分析、個(gè)性化推薦和實(shí)時(shí)反饋。首先，通過收集用戶的瀏覽記錄、點(diǎn)擊行為和社交互動(dòng)數(shù)據(jù)，系統(tǒng)能夠分析用戶的興趣和需求。其次，基于分析結(jié)果，系統(tǒng)可為用戶提供個(gè)性化的內(nèi)容推薦，如新聞、商品、視頻等，提高用戶的滿意度和停留時(shí)間[3]。技術(shù)框架通常包括數(shù)據(jù)采集層、特征提取層和推薦算法層。數(shù)據(jù)采集層負(fù)責(zé)獲取用戶行為數(shù)據(jù)，特征提取層將原始數(shù)據(jù)轉(zhuǎn)化為可用于建模的特征，推薦算法層則應(yīng)用各種算法（如內(nèi)容分析、協(xié)同過濾等）生成推薦結(jié)果。此外，系統(tǒng)還需通過用戶反饋不斷優(yōu)化和調(diào)整推薦效果，實(shí)現(xiàn)自適應(yīng)學(xué)習(xí)。

1.2 推薦算法的類型

（1）基于內(nèi)容的推薦。基于內(nèi)容的推薦是一種依賴于用戶歷史偏好和內(nèi)容特征的推薦方法。該算法通過分析用戶過去喜歡的內(nèi)容（如文章、電影或商品），提取其特征（如關(guān)鍵詞、主題、風(fēng)格）并與新內(nèi)容進(jìn)行比對(duì)，從而生成個(gè)性化推薦。例如，如果用戶過去喜歡科幻類電影，系統(tǒng)會(huì)優(yōu)先推薦相似類型的新電影?；趦?nèi)容的推薦具有簡單易懂的優(yōu)點(diǎn)，但可能面臨“信息孤島”的問題，即推薦的內(nèi)容較為單一，缺乏多樣性。

（2）協(xié)同過濾推薦。協(xié)同過濾推薦是一種通過分析用戶行為數(shù)據(jù)進(jìn)行推薦的方法，主要分為用戶協(xié)同過濾和物品協(xié)同過濾。用戶協(xié)同過濾基于相似用戶的行為來推薦內(nèi)容，即如果A用戶與B用戶的興趣相似，A用戶喜歡的內(nèi)容也會(huì)推薦給B用戶。物品協(xié)同過濾則是通過分析用戶對(duì)物品的評(píng)分或購買行為，找出類似物品進(jìn)行推薦[4]。協(xié)同過濾的優(yōu)點(diǎn)在于能夠發(fā)現(xiàn)用戶未曾接觸但可能感興趣的內(nèi)容，然而，它對(duì)數(shù)據(jù)稀疏性和冷啟動(dòng)問題較為敏感。

（3）混合推薦方法?；旌贤扑]方法結(jié)合了多種推薦技術(shù)的優(yōu)點(diǎn)，以提高推薦的準(zhǔn)確性和多樣性。通常，這種方法會(huì)將基于內(nèi)容的推薦與協(xié)同過濾結(jié)合，利用前者的內(nèi)容特征分析和后者的用戶行為相似性，從而實(shí)現(xiàn)更為精準(zhǔn)的推薦效果[5]。此外，混合推薦還可以整合社交網(wǎng)絡(luò)信息和上下文數(shù)據(jù)，進(jìn)一步豐富推薦的維度。通過多種算法的結(jié)合，混合推薦不僅能夠有效緩解單一算法的局限性，還能提升用戶的整體體驗(yàn)和滿意度。

1.3 智能推薦系統(tǒng)在新媒體平臺(tái)中的應(yīng)用價(jià)值

①智能推薦系統(tǒng)能夠顯著提升用戶的體驗(yàn)感。通過對(duì)用戶的瀏覽歷史、行為偏好以及社交網(wǎng)絡(luò)的分析，推薦系統(tǒng)能夠精準(zhǔn)地預(yù)測(cè)用戶感興趣的內(nèi)容，從而提供個(gè)性化的推薦。這不僅減少了用戶在大量信息中篩選的時(shí)間，也提高了內(nèi)容的相關(guān)性和用戶黏性。當(dāng)用戶持續(xù)接收到與自身興趣相關(guān)的內(nèi)容時(shí)，平臺(tái)的活躍度和用戶忠誠度也隨之提高。②智能推薦系統(tǒng)提高了新媒體平臺(tái)的內(nèi)容分發(fā)效率。平臺(tái)不再依賴傳統(tǒng)的人工編輯和固定的推送策略，而是通過算法自動(dòng)化推送適合每個(gè)用戶的內(nèi)容。這種基于數(shù)據(jù)驅(qū)動(dòng)的內(nèi)容分發(fā)方式，能夠讓平臺(tái)的優(yōu)質(zhì)內(nèi)容精準(zhǔn)觸達(dá)目標(biāo)用戶群體，增加了內(nèi)容的曝光率和流通性，提升了平臺(tái)的整體效率。③智能推薦系統(tǒng)對(duì)平臺(tái)的商業(yè)模式和廣告投放具有重要價(jià)值。通過對(duì)用戶行為數(shù)據(jù)的深度分析，平臺(tái)能夠?yàn)閺V告主提供更精準(zhǔn)的用戶畫像，進(jìn)而實(shí)現(xiàn)更有效的廣告投放。這不僅提高了廣告的點(diǎn)擊率和轉(zhuǎn)化率，也為平臺(tái)帶來了更大的收益。同時(shí)，用戶看到的廣告內(nèi)容也更加符合其需求和興趣，減少了廣告對(duì)用戶體驗(yàn)的干擾。④智能推薦系統(tǒng)有助于優(yōu)化平臺(tái)的內(nèi)容生態(tài)。在新媒體平臺(tái)上，優(yōu)質(zhì)內(nèi)容的創(chuàng)作者往往依賴流量和用戶互動(dòng)來獲得關(guān)注。智能推薦系統(tǒng)能夠通過算法分析用戶反饋，合理調(diào)配流量資源，確保優(yōu)質(zhì)內(nèi)容獲得更多展示機(jī)會(huì)，從而激勵(lì)內(nèi)容創(chuàng)作者提升內(nèi)容質(zhì)量。

2. 智能推薦系統(tǒng)在新媒體平臺(tái)的應(yīng)用

2.1 內(nèi)容推薦

（1）實(shí)時(shí)推薦機(jī)制。實(shí)時(shí)推薦機(jī)制是智能推薦系統(tǒng)的重要組成部分，能夠根據(jù)用戶的即時(shí)行為動(dòng)態(tài)調(diào)整推薦內(nèi)容。在新聞平臺(tái)上，當(dāng)用戶閱讀一篇關(guān)于時(shí)事新聞的文章時(shí)，系統(tǒng)會(huì)根據(jù)用戶的閱讀習(xí)慣和興趣，迅速推薦相關(guān)的文章或深度分析。例如，當(dāng)用戶剛閱讀一篇關(guān)于國際政治的報(bào)道，系統(tǒng)可以立即推薦相關(guān)文章，幫助用戶更全面地了解事件背景。這種機(jī)制確保用戶在瀏覽過程中保持興趣，快速獲取相關(guān)信息，提升用戶的閱讀體驗(yàn)。

（2）用戶個(gè)性化內(nèi)容推送。用戶個(gè)性化內(nèi)容推送是智能推薦系統(tǒng)的核心功能之一，通過分析用戶的興趣、歷史行為以及互動(dòng)數(shù)據(jù)，為用戶提供量身定制的內(nèi)容。在流媒體短視頻平臺(tái)中，例如某知名平臺(tái)會(huì)根據(jù)用戶的觀看歷史，推薦與其興趣相符的短視頻。當(dāng)用戶經(jīng)常觀看健身類內(nèi)容時(shí)，系統(tǒng)會(huì)優(yōu)先推送新的健身教學(xué)視頻和健康飲食相關(guān)的短片[6]。這種個(gè)性化推送不僅提升了用戶的觀看體驗(yàn)，也增強(qiáng)了用戶的黏性，使其更愿意在平臺(tái)上停留更長時(shí)間。

（3）聚焦傳統(tǒng)媒體的研發(fā)APP。隨著技術(shù)的發(fā)展，傳統(tǒng)媒體也在積極探索新媒體平臺(tái)的應(yīng)用，尤其是在內(nèi)容推薦方面。例如，某傳統(tǒng)新聞機(jī)構(gòu)推出的移動(dòng)應(yīng)用，通過整合用戶的閱讀習(xí)慣和偏好，為用戶推薦個(gè)性化的新聞內(nèi)容。用戶在使用過程中，系統(tǒng)會(huì)實(shí)時(shí)分析其閱讀行為，自動(dòng)推送最新的相關(guān)文章和熱門話題，確保用戶獲取及時(shí)、相關(guān)的信息。這種轉(zhuǎn)型不僅提升了傳統(tǒng)媒體的競(jìng)爭力，也為用戶帶來了更好的閱讀體驗(yàn)。

2.2 廣告推薦

（1）精準(zhǔn)廣告投放。精準(zhǔn)廣告投放是智能推薦系統(tǒng)在廣告領(lǐng)域的重要應(yīng)用，系統(tǒng)通過分析用戶的行為數(shù)據(jù)，向其推送相關(guān)性強(qiáng)的廣告。例如，在短視頻平臺(tái)中，用戶觀看特定類型的視頻后，系統(tǒng)會(huì)推送相關(guān)的廣告，如運(yùn)動(dòng)品牌的產(chǎn)品廣告。這種精準(zhǔn)的廣告投放不僅提升了廣告的效果，還為廣告主提供了更高的投資回報(bào)率，優(yōu)化了廣告的資源配置。

（2）提升廣告轉(zhuǎn)化率。提升廣告轉(zhuǎn)化率是智能推薦系統(tǒng)在廣告領(lǐng)域的另一重要應(yīng)用。系統(tǒng)通過用戶數(shù)據(jù)分析和內(nèi)容優(yōu)化，提高廣告的點(diǎn)擊率和轉(zhuǎn)化率。例如，某社交媒體平臺(tái)在廣告投放中，會(huì)根據(jù)用戶的歷史互動(dòng)行為，推送個(gè)性化的廣告內(nèi)容[7]。如果用戶對(duì)某品牌的護(hù)膚品表現(xiàn)出興趣，系統(tǒng)會(huì)向其展示該品牌的新產(chǎn)品廣告。這種個(gè)性化的廣告策略顯著提高了用戶的購買意愿，為品牌帶來了更多的銷售機(jī)會(huì)。

2.3 社交推薦

（1）用戶關(guān)系網(wǎng)絡(luò)中的推薦。用戶關(guān)系網(wǎng)絡(luò)中的推薦是智能推薦系統(tǒng)在社交媒體中的重要應(yīng)用，系統(tǒng)通過分析用戶的社交關(guān)系和互動(dòng)來優(yōu)化推薦內(nèi)容。例如，在某社交平臺(tái)上，當(dāng)用戶的好友分享了一篇關(guān)于旅行的文章時(shí)，系統(tǒng)可能會(huì)推薦類似的旅行攻略和照片。這種基于社交網(wǎng)絡(luò)的推薦方式不僅增強(qiáng)了用戶之間的互動(dòng)，也促進(jìn)了內(nèi)容的傳播，使用戶更容易發(fā)現(xiàn)自己可能感興趣的內(nèi)容。

（2）社交互動(dòng)對(duì)推薦的影響。社交互動(dòng)對(duì)推薦的影響體現(xiàn)在用戶行為和推薦效果的相互作用。用戶在社交平臺(tái)上的點(diǎn)贊、評(píng)論和分享行為，都會(huì)影響系統(tǒng)的推薦策略。例如，當(dāng)用戶頻繁點(diǎn)贊某類內(nèi)容時(shí)，系統(tǒng)會(huì)記錄這一行為，調(diào)整推薦策略，向用戶推送更多相似內(nèi)容。這種社交互動(dòng)不僅增強(qiáng)了平臺(tái)的活躍度，也進(jìn)一步優(yōu)化了推薦系統(tǒng)的效果，使用戶在社交網(wǎng)絡(luò)中獲得了更豐富的體驗(yàn)。

3. 智能推薦系統(tǒng)在新媒體平臺(tái)應(yīng)用面臨的挑戰(zhàn)與問題

3.1 數(shù)據(jù)隱私與安全問題

智能推薦系統(tǒng)依賴于用戶數(shù)據(jù)的收集與分析，以提供個(gè)性化的內(nèi)容和廣告。然而，這一過程引發(fā)了嚴(yán)重的數(shù)據(jù)隱私與安全問題。用戶在使用新媒體平臺(tái)時(shí)，往往并不完全了解其個(gè)人數(shù)據(jù)是如何被收集、存儲(chǔ)和使用的。許多平臺(tái)在用戶協(xié)議中未能明確說明數(shù)據(jù)處理的具體細(xì)節(jié)，導(dǎo)致用戶對(duì)其隱私保護(hù)產(chǎn)生疑慮[8]。此外，數(shù)據(jù)泄露事件時(shí)有發(fā)生，一旦用戶數(shù)據(jù)被不法分子獲取，可能導(dǎo)致身份盜用、財(cái)務(wù)損失等嚴(yán)重后果。這種對(duì)用戶數(shù)據(jù)安全的潛在威脅，不僅影響用戶對(duì)平臺(tái)的信任度，也可能引發(fā)法律和監(jiān)管的壓力，迫使平臺(tái)在數(shù)據(jù)處理上采取更為嚴(yán)格的措施。

3.2 推薦算法的偏見

推薦算法的偏見是智能推薦系統(tǒng)面臨的重要挑戰(zhàn)之一。由于算法的設(shè)計(jì)和訓(xùn)練過程依賴于歷史數(shù)據(jù)，這可能導(dǎo)致某些群體或內(nèi)容被系統(tǒng)性地忽視或偏見。例如，如果訓(xùn)練數(shù)據(jù)中某些用戶群體的行為數(shù)據(jù)較少，算法在為這些用戶推薦內(nèi)容時(shí)可能無法提供準(zhǔn)確或多樣化的選擇。此外，算法的透明性也成為了一個(gè)問題，用戶往往難以理解推薦結(jié)果的來源和依據(jù)。這種缺乏透明度不僅降低了用戶對(duì)推薦系統(tǒng)的信任，也可能導(dǎo)致不公平的推薦結(jié)果，進(jìn)而損害平臺(tái)的公正性和用戶體驗(yàn)。

3.3 用戶體驗(yàn)與滿意度

用戶體驗(yàn)與滿意度是智能推薦系統(tǒng)成功與否的關(guān)鍵因素。推薦系統(tǒng)的準(zhǔn)確性直接影響用戶的使用體驗(yàn)，但許多平臺(tái)在實(shí)際應(yīng)用中面臨著挑戰(zhàn)。盡管系統(tǒng)通過分析用戶的行為和偏好進(jìn)行推薦，但由于用戶興趣的變化和多樣性，推薦結(jié)果并不總是符合用戶的期待。此外，用戶反饋的收集與處理也存在難度，很多用戶在使用過程中并未積極提供反饋，導(dǎo)致系統(tǒng)難以實(shí)時(shí)優(yōu)化推薦內(nèi)容。當(dāng)用戶頻繁遇到與自己興趣不符的推薦時(shí)，容易產(chǎn)生厭煩情緒，最終導(dǎo)致用戶流失。因此，如何提高推薦系統(tǒng)的準(zhǔn)確性和響應(yīng)性，以提升用戶體驗(yàn)和滿意度，是新媒體平臺(tái)亟需解決的問題。

4. 未來發(fā)展趨勢(shì)

4.1 技術(shù)進(jìn)步與創(chuàng)新

隨著深度學(xué)習(xí)和自然語言處理技術(shù)的快速發(fā)展，智能推薦系統(tǒng)在新媒體平臺(tái)中的應(yīng)用前景愈加廣闊。深度學(xué)習(xí)能夠通過構(gòu)建復(fù)雜的神經(jīng)網(wǎng)絡(luò)，從大規(guī)模數(shù)據(jù)中自動(dòng)提取特征，提升推薦的準(zhǔn)確性與個(gè)性化。尤其是在處理圖像、音頻和視頻等非結(jié)構(gòu)化數(shù)據(jù)時(shí)，深度學(xué)習(xí)展現(xiàn)出了極大的潛力。同時(shí)，自然語言處理技術(shù)的創(chuàng)新使得系統(tǒng)能更好地理解用戶的文本輸入和反饋，從而更精準(zhǔn)地捕捉用戶需求。這些技術(shù)的結(jié)合，不僅能增強(qiáng)推薦系統(tǒng)的智能化水平，還能提供更豐富的用戶體驗(yàn)，使得平臺(tái)能夠?qū)崟r(shí)響應(yīng)用戶的動(dòng)態(tài)偏好，提供更加個(gè)性化的內(nèi)容推薦。

4.2 多模態(tài)推薦系統(tǒng)

未來的智能推薦系統(tǒng)將越來越多地采用多模態(tài)推薦策略，即融合多種數(shù)據(jù)源以優(yōu)化推薦效果。這種系統(tǒng)能夠綜合考慮用戶的行為數(shù)據(jù)、社交網(wǎng)絡(luò)信息、文本內(nèi)容、圖像和視頻等多種形式的數(shù)據(jù)，從而形成更全面的用戶畫像。例如，結(jié)合用戶在社交媒體上的互動(dòng)、瀏覽歷史和評(píng)論內(nèi)容，可以更準(zhǔn)確地預(yù)測(cè)用戶的興趣。多模態(tài)推薦系統(tǒng)不僅提升了推薦的準(zhǔn)確性，還能提供多樣化的內(nèi)容選擇，滿足用戶的不同需求。這種融合策略將使推薦系統(tǒng)更加智能和靈活，從而提升用戶的滿意度和平臺(tái)的競(jìng)爭力。

4.3 自適應(yīng)與智能化推薦

強(qiáng)化學(xué)習(xí)在推薦系統(tǒng)中的應(yīng)用將為智能推薦帶來更大的自適應(yīng)性和智能化水平。通過強(qiáng)化學(xué)習(xí)，系統(tǒng)可以在與用戶的交互過程中不斷學(xué)習(xí)和優(yōu)化，動(dòng)態(tài)調(diào)整推薦策略。例如，系統(tǒng)可以根據(jù)用戶的實(shí)時(shí)反饋，及時(shí)更新推薦列表，從而更好地適應(yīng)用戶的興趣變化[9]。這種自適應(yīng)機(jī)制不僅提高了推薦的準(zhǔn)確性，還能有效增強(qiáng)用戶的參與感和滿意度。此外，強(qiáng)化學(xué)習(xí)還能夠通過模擬不同的推薦環(huán)境，探索最優(yōu)的推薦策略，使得系統(tǒng)在復(fù)雜的用戶行為中表現(xiàn)更為出色。未來，基于強(qiáng)化學(xué)習(xí)的推薦系統(tǒng)有望成為智能推薦領(lǐng)域的重要發(fā)展方向。

5. 結(jié)束語

智能推薦系統(tǒng)在新媒體平臺(tái)中的應(yīng)用，顯著提升了用戶體驗(yàn)與平臺(tái)的商業(yè)價(jià)值。通過內(nèi)容推薦、精準(zhǔn)廣告投放和社交推薦等方式，智能推薦系統(tǒng)有效地滿足了用戶的個(gè)性化需求。然而，這一技術(shù)的廣泛應(yīng)用也帶來了數(shù)據(jù)隱私、算法偏見和用戶體驗(yàn)等多方面的挑戰(zhàn)。未來，隨著技術(shù)的不斷進(jìn)步，特別是在深度學(xué)習(xí)和多模態(tài)數(shù)據(jù)融合方面，智能推薦系統(tǒng)有望實(shí)現(xiàn)更加智能化和自適應(yīng)的推薦策略。為應(yīng)對(duì)潛在問題，新媒體平臺(tái)需不斷優(yōu)化其推薦算法，保障用戶數(shù)據(jù)安全，以提升用戶的整體滿意度和信任度。綜上所述，智能推薦系統(tǒng)的研究與應(yīng)用將持續(xù)推動(dòng)新媒體行業(yè)的創(chuàng)新與發(fā)展。

參考文獻(xiàn)：

[1]梁一帆.智能化推薦在抖音短視頻中的應(yīng)用研究[J].傳媒，2023（5）：58-61.

[2]趙文斐.智能新媒體音頻推薦系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J].電聲技術(shù)，2024（3）：109-110.

[3]李云霞，李偉.基于用戶角度的新聞內(nèi)容個(gè)性化推薦研究[J].新聞研究導(dǎo)刊，2023，14（7）：87-89.

[4]劉貴麗.UiOS構(gòu)建新媒體產(chǎn)業(yè)生態(tài)鏈[J].廣播電視信息，2023，30（1）：38-38.

[5]周開拓，羅梅，蘇璐.智能推薦在新媒體內(nèi)容分發(fā)中的應(yīng)用[J].人工智能，2020（2）：11.

[6]周開拓，羅梅，蘇璐.智能推薦在新媒體內(nèi)容分發(fā)中的應(yīng)用[J].人工智能，2020（02）：105-115.

[7]劉存地，徐煒.能否讓算法定義社會(huì)——傳媒社會(huì)學(xué)視角下的新聞算法推薦系統(tǒng)[J].學(xué)術(shù)論壇，2018，41（4）：10.

[8]馬琳.主流媒體抖音短視頻內(nèi)容呈現(xiàn)研究——以\"央視新聞\"和\"人民日?qǐng)?bào)\"為例[D].河北大學(xué)，2021.

[9]劉貴麗.人工智能在超高清新媒體內(nèi)容生產(chǎn)和運(yùn)營的落地[J].廣播電視信息，2023，30（01）：39.

作者簡介：徐佳蕾（1995—），女，浙江嘉興人，助理工程師。研究方向：AI技術(shù)與廣電新媒體。