| 失效链接处理 |
|
阿里--领军行业大数据及AI实践 PDF 下载
本站整理下载：
相关截图：
主要内容：
摘要：随着自媒体的发展，传统媒体面临着巨大的压力和挑战，新华智云运用大
数据和人工智能技术，致力于为媒体行业赋能。通过媒体大数据开放平台，将媒体行
业全网数据汇总起来，借助平台数据处理能力和算法能力，将有价值数据内容和能力
开放给用户。本文主要从新华智云数芯平台，媒体行业数据特征，批流处理数据架
构，以及通用的媒体大数据平台能力等几个方面介绍了如何基于 MaxCompute 做媒
体大数据开放平台建设。
本次的分享主要围绕以下五个方面：
一、关于新华智云
二、数芯 - 媒体大数据开放平台
三、媒体大数据平台能力
四、Project 依赖
五、几点小提示
一、关于新华智云
新华智云是新华社与阿里巴巴合资成立的一家公司，主要面向运用大数据和人工
智能技术，致力于为媒体行业赋能。随着自媒体的发展，自媒体公司非常的火热，如
今日头条，抖音等。对传统媒体来说，面临着巨大的压力和挑战。传统媒体急切的希
望互联网的技术帮助他们赋能。
媒体大脑 - 数芯
媒体大脑是新华智云底层的产品品牌，数芯是媒体大脑基础的数据平台。数芯定
新华智云 < 11
位为媒体大数据开放平台，平台中包含了媒体行业所依赖的各种各样的数据。数芯希
望通过平台本身的数据处理能力和算法加工，将挖掘的有价值数据内容和能力开放给
上层用户。目前，数芯包含了各种各样的数据，涵盖了 400 多万互联网站点，主要
以中文站点为主，日增 7 千万文章，包含微信公众号，微博账号，图片以及多媒体
来源等。将不同来源存储在平台中，之后对接数据，进行更多的加工和运用。“数据
已经不再是一种成本，而是成为一种生产资料”，这句话在媒体行业更能够有所感受。
一篇新闻除了是新闻之外，还是一条数据，同时新闻本身又会衍化产生新闻。很多媒
体公司利用互联网技术获得大量的新闻内容之后，辅助他们新闻的生成过程。数芯会
将媒体数据从不同的源头，不同供应商，以不同内容格式存储到平台中，进行数据清
洗，结构化，加工等等一系列的操作之后，生成有价值的内容。如，这段时间之内媒
体关注的热点，互联网上发生的事件，同时识别新闻和机构之间的关系，基于实体将
各个渠道上的数据整合起来，为用户提供统一的视图。用户可以看到信息的发酵过
程，以及信息在什么地方传播。
二、数芯 - 媒体大数据开放平台
数芯是一个开放的大数据平台，开放的点主要有三个方面。第一，数据的开放。
任何数据进到数芯之后，都会在整个大数据处理的链条中做计算，内容结构化，加入
标签。同时基于用户感兴趣的数据范围，做标签的特征过滤，筛选用户想要的数据。
数芯帮助用户了解互联上的信息，了解互联网上与自身相关的事件。第二，数芯提供
智能能力的开放。用户不管怎么努力，不可能获取到互联网上所有的数据；而且不可
能每个公司都会自建内容大数据平台，做数据分析，也不可能都配备算法工程师；而
且公司的数据处理能力也不是足够强；媒体大数据平台可以帮助用户将与他们有关的
数据加工好，通过算法能力获得用户关心的信息。如用户提供一个文章，数芯可以反
馈这篇文章与谁相关，相同的文章在什么地方传播，文章由谁编写，发在什么地方等
等信息。通过开放算法能力，帮助用户做数据能力和算法能力的应用，提供文本反垃
圾服务，互联网内容结构化服务，文本内容实体识别服务，文本去重判定服务，图像
人物识别服务和图像标签化服务等等。第三，产品能力的开发，包含舆情监测能力，
|
| Java1234官方群25： | 
|
| Java1234官方群25： | 838462530 |
苏公网安备 32061202001004号
