利益平衡框架下智能生成新闻的版权保护策略

智能技术在新闻生产领域广泛应用,衍生出智能生成新闻版权制度缺失、合理使用限度失衡、版权归属难等困境。从智能生成新闻的底层逻辑出发,重新审视智能技术在新闻生产中的角色变迁、版权制度与媒介技术的博弈关系。在利益平衡理论框架下,论证智能生成新闻的可版权性,将智能生成新闻视为媒体主持创作的法人作品,并提出兼顾“私利”与“公利”平衡的适度保护策略,即达致保护创作主体的版权权益、明确渠道主体的合理使用权利与限度、激励新闻生产与传播等多重目标的平衡。

基于卷积神经网络与篇章结构的足球新闻自动生成方法

当前的足球比赛新闻通常是由专家或记者手工撰写的,足球比赛新闻的手工写作既费时又低效。随着在线直播平台与社交媒体的流行,体育网络直播脚本大幅增加,但网络直播脚本通常只记载一场比赛的流水,具有冗长且重点模糊的特性,不适宜于赛后直接阅读。为了解决以上问题,在比赛之后,可以基于直播脚本撰写和发布足球比赛新闻。因此,该文提出一种从网络直播脚本直接生成足球比赛新闻的方法。该方法基于卷积神经网络和足球新闻篇章结构,从足球比赛过程中的多个时间段提取出已发生的重要事件,进而抽取相关句子来生成足球新闻,同时,该方法还会针对比赛评价生成一个简短总结。实验结果表明,使用该方法从网络直播脚本生成足球新闻是可行的。

短文本新闻标题生成方法

当今新闻具有文本短、发布频繁、时效性强等特点,一个媒体账号一天内发布数十条新闻。为大量新闻制定适用且有吸引力的标题已经成为媒体工作者的一项主要工作内容。媒体工作者需要一个自动生成短文本标题的系统来缓解工作压力。为解决该问题,文中提出了一种短文本新闻标题生成模型。该模型采用序列到序列结构,在编码器和解码器分别应用预训练语言模型和分层自注意力解码器。为了使生成标题包含原始新闻的关键信息,提出一种基于LCSTS数据集和Weibo4数据集的分阶段训练方法,并使模型分别从这两个数据集学习提取关键新闻信息和构建风格化表达,使模型生成标题能够准确表达新闻的核心内容从而吸引读者。

基于大数据和人工智能的新闻内容生成机制研究

随着信息化高速发展,传统的新闻生产方式已难以满足社会的需求,大数据和人工智能的引入为新闻内容的生成开辟了 新的可能性。正如麦克卢汉的“媒介即讯息”理论所言,传播工具的演进对社会的影响远超传播内容本身。这一观点在当前 技术飞速发展的背景下尤为明显。本文深入探讨了大数据和人工智能技术在新闻内容生成中的应用,分析了这些技术如何 改变了新闻生产的流程,并探讨了其带来的优势和挑战,尤其是对传统编辑角色的影响。

微信写作:从社交应用到新闻生成

微信作为新兴的社交媒体,不仅是社交应用的基本工具,也是新闻生成的空间。微信写作从私密性的应用到公共化的新闻生成的转变,打破了大众传媒新闻生产中生产与消费、主体与客体的二元对立。微信新闻生成以互文性的方式呈现,形成了多重连接、多重时空、交叉并置的互文。同时,微信写作的新闻生成改变了传统新闻的核心观念,模糊了真实性、时间性、模式化、专业性等传统新闻生产所固有的边界,形成了一种全新的新闻生成范式。

人工智能时代新闻真实性的挑战

本研究探讨新闻传播领域人工智能对新闻真实性的影响。文献调研和问卷调查发现,人工智能在新闻采集、内容编创和精准传播等方面提高了新闻生产传播效率,但同时也带来了对新闻真实性的挑战。小样本问卷显示,八成以上大学生通过社交媒体了解人工智能机理并使用过ChatGPT等工具,但能分辨出AI新闻的不足一半。文章建议在人工智能飞速更迭的时代,提升技术正外部效应,规避其负面风险可以采用以下策略,即代码层的机器侦测、内容层的人机协同和政策层的制度规范。

AI技术在新闻编辑流程中的优化与应用

本文探讨了AI(人工智能)技术在新闻编辑流程中的优化与应用,展示了AI在自动化新闻生成、智能校对、个性化推荐、虚假新闻检测和数据分析等方面的广泛应用。AI技术不仅显著提高了新闻生产的效率和质量,还为新闻内容的精准化、个性化提供了强有力的支持。未来,随着深度学习和跨媒体整合等技术的发展,AI技术将在新闻编辑中发挥更大的作用,推动新闻业的持续创新和发展。

激励理论视域下智能生成新闻的版权策略

生成式人工智能技术深度介入新闻内容的创作环节,重构了新闻作品的创作方式与逻辑,随之产生智能生成新闻的版权保护缺失、版权主体存在法理阐释争议、独创性判定存在司法实践困境等问题,这暴露出根据传统媒介技术构建而成的版权制度在人工智能技术语境下的局限性。通过在激励理论的功利主义视角下论证智能生成新闻版权的合理性与必要性,从鼓励媒介技术创新和促进新闻内容高效创作的版权制度目标出发,文章提出,基于人工智能时代的媒介技术语境特征,应将智能生成新闻纳入版权保护体系,并将其视为新闻机构主持创作的法人作品、将文本外在表达作为独创性判断标准的版权策略。

智媒研究的“算法”是个伪概念——兼论“新闻生产”话语的误用

近些年,我国新闻传播学界某些误译、误用西方传播学概念的现象,直接干扰了学界的正常学术思维。频繁使用“算法”,曲解智媒数据运算程序的规则,遮掩了智媒制作和输出信息的机制。不了解西方新概念产生的背景,广泛使用“新闻生产”“内容生产”,又落入西方话语骗局的圈套,显露出种种“文盲”话语的憨态。

“大数据时代”的自动化新闻写作的历史、实践与未来

大数据时代已经到来,而大数据的一个显著特点,就是分析的对象正在从结构化数据向半结构化数据、非结构化数据转变。这正和新闻文本的特点相契合,因此,大数据中文本挖掘、情感分析的相关方法必将在新闻业中发挥重要作用。

媒介生态学:中国新闻史研究的新路径

媒介生态学用生态学的原理与方法来想象媒介与媒介、媒介与媒介生存环境的关系,以"媒介生态"——在一定时代、地域条件下,不同生态位的媒介之间的竞合所组成的媒介群落及其与生存整体环境通过信息、能量和物质的流动而构成的具有特征性的结构形态和动态平衡的统一整体——为核心分析概念,它的资源观坚持而又丰富了马克思唯物主义的物质观,为新闻史研究提供了新的理论资源和研究视野。

基于Biterm主题模型的新闻线索生成方法

【目的】为解决生成新闻线索时抽取新闻主题及度量子事件相关性困难的问题,通过动态滑动窗口的方法改进主题模型,提高长文本和短文本新闻主题抽取的质量,并基于抽取出的新闻主题,提出面向新闻事件的新闻线索生成方法。【方法】在主题模型IBTM(Incremental Biterm Topic Model)的基础上,通过动态滑动窗口减小二元词组的提取范围,提出既适合在长文本新闻也适合在短文本新闻上抽取主题的News-IBTM模型,进而基于该模型从新闻数据中抽取主题分布和主题-词分布、推断文档-主题分布,再利用JS散度来度量文档-主题分布的差异,从而生成新闻线索。【结果】在人民网新闻和微博新闻数据上的实验结果表明,无论是长文本新闻还是短文本新闻,News-IBTM在困惑度、准确率及效率上都优于现有的经典主题模型。【局限】News-IBTM以及其他新闻线索生成方法的准确率都不高,还可以进一步提升。【结论】本文方法适合应对长文本和短文本新闻主题抽取的质量问题,并能从新闻事件中获取新闻线索。

从记者“拟态公众”的角色看新闻事实的生成

广大新闻工作者要想肩负起社会责任,反映社会舆论、引导社会舆论、控制社会舆论。笔者旨在这篇文章中探讨在此基础上,记者如何执行模拟社会公众的角色,即拟态公众的角色以此来了解社会公众对新闻事实的共同评价及其一致性的意见并以此来生成新闻事实。