期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
AI远读:网络文学的算法批评如何可能? 被引量:1
1
作者 张永禄 《东南学术》 北大核心 2025年第3期34-46,246,共14页
以算法批评为核心方法的AI远读作为新质文艺批评的生产力,开辟了网络文学研究的新空间。以比特叙事作为底层逻辑,寄生互联网空间的网络文学,因其海量文本、巨型文体特征和类型化的取向,召唤着算法批评进场。算法批评主要包含使用算法进... 以算法批评为核心方法的AI远读作为新质文艺批评的生产力,开辟了网络文学研究的新空间。以比特叙事作为底层逻辑,寄生互联网空间的网络文学,因其海量文本、巨型文体特征和类型化的取向,召唤着算法批评进场。算法批评主要包含使用算法进行文学批评和对文学中的算法进行批评两个层面。推进算法批评,在观念上需要区分专业的算法批评和通用批评的AI批评,拥有科学主义和人本主义的双重视野;在实操上需要在批评者、算法、文本的多元互动中进行建构、阐释和对话,并利用大语言模型能以自然语言与人类交互的特性,让更多的人文学者参与到算法批评的工作中来。 展开更多
关键词 算法批评 AI批评 远读 数字人文 网络文学
在线阅读 下载PDF
算法批评视域下文学批评的分歧与融合 被引量:1
2
作者 李阳 《云南社会科学》 CSSCI 北大核心 2023年第5期181-188,共8页
随着数字人文的兴起,以量化为核心的算法批评进入到文学批评领域之内。与传统批评的不同之处在于,算法批评将文学文本看作是以供计算的数据库,通过算法对词频进行统计与可视化,对文本的量性与结构关系加以分析。“定量”为主的算法批评... 随着数字人文的兴起,以量化为核心的算法批评进入到文学批评领域之内。与传统批评的不同之处在于,算法批评将文学文本看作是以供计算的数据库,通过算法对词频进行统计与可视化,对文本的量性与结构关系加以分析。“定量”为主的算法批评与“定性”为主的传统批评方法的表象区别体现在批评媒介的数据化、批评实践的算法化、批评结果的可视化。隐性区别表现在“因果逻辑”典型和“大数定律”典型的区隔,以及围绕着语言“自明性”的历史性争论。虽然两种方法存在着看似不可调和的分歧,但是二者的融合不是简单地在方法论层面进行机械地并置,而是在主观的文学判断中融合实证意识,让数字技术贯穿人文价值,形成文学批评共同体的成长模式。 展开更多
关键词 数字人文 算法批评 文学批评 大数定律
在线阅读 下载PDF
“媒介机器学习”冲击下理解/重构媒介的技术发展思考——基于对奈飞匹配剪辑算法的考察 被引量:3
3
作者 黄望莉 王馨莹 《西北师大学报(社会科学版)》 CSSCI 北大核心 2024年第6期70-80,共11页
流媒体内容平台奈飞于2022年底开始转型部署“奈飞机器学习平台”(MLP),以匹配剪辑算法为代表,基于机器学习和计算机视觉(人工智能技术)实现多模态内容理解。“奈飞机器学习平台”将应用于原创剧集内容制作和发行全流程,赋能面向订阅会... 流媒体内容平台奈飞于2022年底开始转型部署“奈飞机器学习平台”(MLP),以匹配剪辑算法为代表,基于机器学习和计算机视觉(人工智能技术)实现多模态内容理解。“奈飞机器学习平台”将应用于原创剧集内容制作和发行全流程,赋能面向订阅会员的个性化内容服务,预示着流媒体将从传统内容制作、发行平台转型成为“媒介机器学习”基础设施。伴随生成式人工智能引发的应用和监管问题,当前“奈飞机器学习平台”又为创意产业带来新一轮“媒介机器学习”冲击。不同于生成式人工智能日趋成熟的提示词研究和“拼装”美学特征,以奈飞匹配剪辑算法为代表的“媒介机器学习”在“规模理论”影响下对“数据洪流”进行特征提取,出于明确的营销意图向用户输出定制化视觉体验,以此强化推荐系统效能、提高用户留存率。回顾匹配剪辑在先锋艺术时期与计算机视觉领域的算法演进,当前奈飞匹配剪辑算法已然脱离构成主义趣味,在流媒体深耕“媒介机器学习”的转型策略下展露出理解/重构“媒介”的“算法文化”。在此趋势下,“媒介机器学习”虽然赋能流媒体平台快速迭代其创意理念,但同时也促使内容创作生态彻底融入庞大的算法推荐系统。 展开更多
关键词 奈飞 媒介机器学习 流媒体转型 算法文化批评
在线阅读 下载PDF
无人机基站辅助的内容缓存多目标优化策略 被引量:1
4
作者 纪洪运 沈航 白光伟 《小型微型计算机系统》 CSCD 北大核心 2023年第5期1102-1107,共6页
近年来,随着各类视频、短视频平台的快速发展,网络视频流量在全球无线网络总流量中占比日益增长.移动边缘计算通过将用户可能请求的视频内容事先存放于网络边缘节点可以有效降低骨干网负载,提高视频服务的响应速度.另一方面,移动无人机... 近年来,随着各类视频、短视频平台的快速发展,网络视频流量在全球无线网络总流量中占比日益增长.移动边缘计算通过将用户可能请求的视频内容事先存放于网络边缘节点可以有效降低骨干网负载,提高视频服务的响应速度.另一方面,移动无人机技术的推广应用为移动边缘计算应用带来了新的机遇.针对短视频等新兴的应用场景,本文提出的视频内容缓存策略(DC-DRL),基于视频文件内容流行度预测,并与无人机基站调度相结合,从边缘服务器的内容缓存策略和无人机的调度等方面进行多因素、多目标的联合优化,以提升边缘节点高速缓存的系统平均缓存命中率.在缓存替换策略方面,使用对时序特征敏感的长短期记忆神经网络进行基于流行度的文件替换;在无人机基站的轨迹优化方面,本文提出的系统模型,结合演员-批评家算法,利用无人机的移动性辅助优化系统平均缓存命中率.最后通过一系列的仿真实验分析验证了上述策略的有效性. 展开更多
关键词 无人机基站 缓存 深度强化学习 长短期记忆神经网络 演员-批评算法
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部