营销创意素材如何秒级智能生成?即时创意白皮书来了!

2024-01-20 21:40

本文主要是介绍营销创意素材如何秒级智能生成?即时创意白皮书来了!,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

· 2022 年的零售电商迎来了 Ta 的第 14 个双十一大促,在全平台营销活动的助力下,线上流量及销售总额依旧保持平稳增长。在流量增长趋缓的背后,零售电商的生意模式,已经从抢夺增量完全转变为了竞争存量。与此同时,随着音频、短视频等泛创意内容发展,多元化的营销内容在一点点地_抢夺着消费者的注意力。 · 营销创意作为企业经营的一环,同样面临企业经营的三难选择困境。企业经营中的不可能三角是时间、金钱与创新,创新不是天马行空,而是在有限时间与金钱限制下的有限创新。同样地,营销创意中的不可能三角则是创意的规模、成本与质量,站在生意视角的营销创意,追求的是在有限成本投入下,带来规模化收益与优质创意效果。 · 但不同于企业经营,营销创意不是简单的加减乘除,往往由于消费者的多元化与流量动线的复杂度,而产生非线性的效果表现,极大提高了创意投放的不确定性。广告大师约翰·沃纳梅克曾经这么描述创意这门玄学,“永远有一半的广告预算是浪费的,但遗憾的是,你不知道是哪一半”__。_

在电商平台导购场景下,借助于海量用户数据反馈,羚珑基于千人千面的即时性创意生成能力,持续探索着创意科学化生产:通过程序化设计及投放技术,将高维度、难理解的创意美学转换为低维度、可区分的标签表达。同时依托人工智能算法,进一步挖掘海量多元化创意数据之间的关联与规律,建立全链路调优机制实时动态调整创意元素与组合形式,从而实现营销创意从玄学到科学的自我进化

此次报告由京东羚珑设计平台与主站体验设计、创新中台设计团队共同发布,以营销创意行业概览为始,解读营销创意发展设计新热点,并面向业务发布动态创意策略及设计效率工具,旨在助力每一次创意投放都能确定性增长!

数据统计

数据来源:白皮书中提供的数据来源于京东 APP 首页首焦素材投放场景,数据统计来源于京东内部大数据平台。

素材来源:白皮书中提供的素材均由 羚珑·即时创意生成引擎 智能生成供给。

数据范围

统计周期由 2022 年 1 月 至 2022 年 11 月。

数据指标

点击指数,即创意素材点击量占整体曝光量比例,数值越大说明创意素材越受欢迎营销效果越好。

⟡ 一、广告市场增长趋缓,创意愈发重要 ⟡

根据艾瑞咨询数据显示, 2021 年中国网络广告市场规模达 9421 亿元,同比增长 22.9% ,整体市场规模即将突破万亿。尽管广告市场规模增速趋缓,但万亿规模的量级表明,广告创意已经不再是一项营销支出,而是企业或品牌的一项经营战略,尤其在“注意力经济”模式下,广告创意的制作效率与投放效果扮演着愈发重要的角色。

‎⟡ 二、千人千面时代,创意素材需求缺口明显 ⟡

随着生产技术与产业链的成熟,低线到高线城市基本已跨入第三消费时代,物质条件富足的同时,追求个人消费与精神价值差异化。根据京东 2022 财年第三季度财报显示,自营采购的 SKU 数量超过 1000 万。在海量且多元化商品供给的背景下,京东也推出了全新的 APP 11.0 ,通过交互视觉动线的新升级,围绕商品提供多样化内容呈现与推荐,以满足消费者的潜在兴趣与需求。

在主张个性化的“千人千面”时代,除了需要精准多样的兴趣算法分发,同时更要有优质直观的动态创意传达。在推荐与兴趣算法的流量牵引下,消费者进入到不同的营销页面内,受到头图、商品卡片、通栏 Banner 等坑位的影响,注意力被极大地分散。如何围绕商品或活动更直观、清晰、可视化地视觉传达,便成为平台运营或商家经营中的核心工作。

而不同于营销页面搭建,图片型创意素材更多是实时性、联动性地表达,如首焦 Banner 素材,便需要根据营销落地页商品进行个性化即时生成,以实现入口素材与落地页内外联动的一致性。由此而产生的创意素材缺口也愈发明显,以 APP 首焦场景为例,假设每个 SKU 日均参加 2 场 活动,活动单个 SKU 平均曝光次数为 10 次 , 1000 万 SKU 则需要 2 亿张 的创意素材供给

‎⟡ 三、即时创意生产,成为中长尾创意素材供给新模式 ⟡

当下消费者兴趣或注意力愈发分散,要求平台能够对中长尾的用户需求偏好进行迅速响应,创意素材供给的时效性持续在缩短,营销触达不仅要有内容,更要**“日日新,又日新”。**

即时创意生产解决方案应运而生,通过无人化、自动化素材生产的方式,极大地满足了个性化营销下中长尾创意素材动态供给即时创意,也称程序化创意,指的是将营销素材进行图层化模块化拆解及拼装,通过不同内容素材、营销素材、设计素材的动态组合,生成多样化、差异化的海量设计结果。

⟡ 洞察框架:元素化创意设计策略 ⟡

科学准确的洞察结论,来源于严谨的策略框架与实验设计。

根据电商营销创意常见的设计手法,羚珑·即时创意算法将一张平面的创意素材进行多层级空间拆解,建立元素化的创意策略框架:我们根据氛围模块、文案模块、商品模块及背景模块进行设计层级拆分及参数化组合,进而为创意元素效用量化及素材效果对比提供实验抓手。

具体来说,背景模块由背景装饰及背景框架组成,决定整体创意表现手法;商品模块与文案模块组成创意素材核心信息区域,通过商品前景、商品主体及背景突出商品本身的视觉信息,同时通过文案组件、按钮组件及背景辅助展示相关文字信息点;最后,通过最顶层的氛围模块,根据设计策略选取相关氛围元素进行空间布局,实现创意素材的氛围点缀。

⟡ 洞察一:促销型设计策略不一定是万能解法 ⟡

猜想假设

在我们的惯性认知里,传统零售百货商店的热闹促销场景,往往能起到营造狂欢氛围与激发消费动机的作用。而在线上电商场景,由于消费者注意力的极易分散与信息多元化,单一照搬线下促销型设计方式、一味采用热闹喜庆的设计手法,未必在所有流量场景都能奏效,有时甚至产生负作用。

设计拆解

为了更科学地验证“促销型设计是不是万能解法”的设计猜想,我们基于 APP 首焦场景进行设计策略拆解与实验设置投放,具体方案大致如下:

实验组 / 热闹鲜艳,高饱和配色,氛围丰富热烈 VS 对照组 / 简单清新,低饱和配色,氛围简单平和

(更多设计素材可点击图片查看)

实验分析

经过效果数据清洗及统计分析,我们进行了整体对比及下钻对比:

整体对比 - 热闹促销型设计并没有显著优势

实验组热闹促销型设计并没有如猜想一般明显优于对照组的简单清新型设计,也就是说过于浓烈的颜色与过于复杂的装饰并不适用于所有投放场景。

根据实验数据及设计经验,我们进行了 “热闹促销型设计不一定效果更优” 的原因推导:

1、首先从设计经验出发,设计手法其实是一种工具,是为了帮助营销/产品更好地可视化表达,因此设计风格与手法应该与营销目的相匹配,应该是千人千面动态调整的,不存在某种通用设计解决方案。

2、其次从用户行为出发,人类的感知漏斗中每秒大概接收 400 亿个感官信息而大脑只能处理 40 比特,这决定了人的注意力极为稀缺。我们看到,热闹促销型设计往往采用强烈的色彩与丰富的装饰元素,在某种程度上会使得焦点模糊,对创意画面造成干扰从而影响点击

下钻对比 - 热闹促销型与简单清新型偏好色相各有不同

按照两组实验设计素材,我们进一步将设计效果细拆到每一个具体的色相 Hue 值,在两类设计手法下,组内不同色相的效果表现也存在差异:

1、热闹促销型:色相影响显著,色彩光谱左右两端的暖色系(红橙色)效果表现最好,而中部的偏冷色系(蓝色)表现最差

2、简单清新型:色相影响不明显,橙色、青蓝色表现突出,红色、紫色表现较差

设计建议

当营销目的与创意风格均不确定时,选择橙色能获得更稳定的效果:橙色在热闹促销与简单清新型设计中均表现最优。

当明确要制作热闹促销型设计的广告素材时,若没有明确的颜色偏好需求,建议优先选择红橙色,避免使用高饱和的蓝色。

当选择上新或日常的简单清新风格时,若没有强烈的营销转化诉求,建议优先选择淡橙色和淡青蓝色,避免选择淡红色。

⟡ 洞察二:不同品类下的促销型设计表现效果不一 ⟡

猜想假设

通过洞察一我们发现,促销型设计并不是万能的,需要结合不同色系效果进行效果搭配。除此之外,一张商用投放的广告素材,在色系这一核心的视觉影响要素外,商品属性或行业属性也会起到关键性的影响。

设计拆解

为了验证品类行业属性对广告素材效果影响是否显著,我们进行了新的实验设计:

实验组 / 热闹促销色调,保留高饱和色彩去除装饰元素 VS 对照组 / 简单清新色调,通过低饱和色调突出品类属性

(更多设计素材可点击图片查看)

实验分析及建议

同样经过效果数据分析,我们按照投放品类维度进行了品类设计偏好的同级对比与交叉分析

同级对比 - 相同品类在不同设计风格下效果存在差异

可以看到,相同品类行业的商品,在相同投放时段与相近的测试人群下,热闹促销与简单清新型设计的效果存在显著差异:

1、促销型设计表现排位明显高于简单型的,品类更易受氛围影响产生转化

通过排位顺序对比,我们发现家具、家清与图书品类采用促销型设计能有效提高素材效果表现。这可能因为,用户购买决策周期短、复购率高的快消品类,促销型表现手法可以在氛围强化中增强用户的购买动机。对于这类与设计氛围强相关的品类设计,在日常素材设计时可以适当加入高饱和色相或氛围元素点缀,提高素材视觉冲击力,更高效地带动转化。

2、促销型设计表现排位明显低于简单型的,品类信息或品牌信任感更为重要

对于品类行业属性影响权重更大的品类,如医药、钟表眼镜等,在素材设计时应该突出素材品类调性,如医药品类需要通过设计元素或色系表现安心、可靠、信赖的视觉感受,过度的营销包装反而会降低用户潜意识的信任感。

交叉分析 - 行业属性强的品类适用色系各有不同

在同级对比基础上, 我们进一步选取了行业属性影响权重更大的品类进行了品类与色系的交叉分析,结论如下:

1、医药品类:适用色系分布区间为浅蓝色到浅蓝紫色( Hue 值 195-270 )

蓝色是冷色调中最冷的色系,是天空和海洋的象征,代表着永恒与女性气质。

通过蓝色能带来严肃、稳定与冷静的感受,而结合高明度的明亮蓝色可以进一步达到放松、安心的暗示作用,能够传达医药品类的**“安全可靠”属性**。

2、钟表眼镜:适用色系分布较为分散,冷暖色系适用不同子品类

钟表眼镜不同于医药品类,以钟表为例,由于制造工艺及产业复杂度导致细分品类及产品存在较大属性差异,同时由于品类属性上属于非功能导向产品,更多需要面向不同人群或消费群体进行创意表达,由此我们给出两点建议:

1)品牌机械腕表建议使用高端质感的淡金色,智能腕表倾向使用科技感的淡蓝色;

2)同样的,女性人群建议粉色色系,男士人群倾向使用淡蓝色作为主色。

3、宠物生活:暖色系如橙色更适合表达柔软与居家氛围

宠物生活品类中较为重要的子品类为宠物食品及日用,当主色系为橙色时宠物食品素材可传达出营养、香甜的感受,同时暖色系也通过柔和温暖的质感营造温馨氛围;而当主色系为绿色或蓝色时,则更适合宠物医疗和清洁用品

⟡ 洞察三:品类元素与场景化营造有利于促成转化 ⟡

猜想假设

经过前序的实验验证,我们已经得出**“不同色系对于不同品类营销创意效果存在不同影响”**的结论,在此基础上,我们尝试通过色系以外的其他设计维度,进一步挖掘品类创意的影响因素:

对于一张营销创意海报设计,设计师通常会采用两种常见手法来体现商品品类特性,一种是通过相同颜色或相关联装饰等元素展现品类的功能特性或品类特质,以此形成联觉想象,而另一种则是为品类营造出真实使用场景,通过沉浸式虚拟空间渲染触发营销内容的通感感受

设计拆解

为了验证品类元素与空间营造是否有助于效果提升,我们进行了多层对照实验设计:

实验组 1 / 营造品类实景空间 VS 实验组 2 / 品类装饰元素突出品类特性 VS 对照组 / 日常通用设计突出色系

实验分析及建议

按照如上的实验方案及分析思路,我们在不同品类进行了落地实验,在不同品类元素及场景下两种手法表现不一,其中我们选取品类特性易表达、元素易选取的母婴/童车童床品类进行实验分析举例。

母婴品类由于特殊的用户人群与受众,新手妈妈用户在选购时更关注产品特质与包装材质,在设计上一般会通过柔和用色、可爱元素与室内温馨场景营造人性化与温暖感。因此,我们针对母婴/童车童床品类进行两组实验组及对照组设计

(更多设计素材可点击图片查看)

经过实验投放及数据回收,母婴品类实验组 1 最优、其次是实验组 2 与对照组,这表明童车童床品类更适合营造真实使用场景的设计手法,而在氛围元素营造与日常通用上则没有显著区别,这也表明相较于温馨可爱的氛围,商品场景空间是更为显著的特征

依据相同的设计实验思路,我们在家用电器、生鲜品类进行了灰度实验,同样验证了场景化氛围素材效果更优,相关品类的素材及结论如下。

基于空间营造设计手法更优的结论,后续可以采用更多的空间场景进行品类相关设计,通过表达功能性与通感感受来进一步丰富创意设计效果

⟡ 洞察四:新消费下的新创意更关注人群个性化表达 ⟡

猜想假设

随着商品经济的极大发展与富足,单纯强调商品功能性卖点的品牌营销无疑很难在红海中竞争取胜。无论是产品研发亦或是营销投放上,已经从之前的“物以类聚”进化到现在的**“人以群分”:不是为了产品功能而购买,而是为了精神表达与自我满足而购买**! 而消费趋势上的变化,也对新生代的营销创意产生了影响。

通过前期的调研走访,我们发现相同的品类基于不同人群特征推送符合其需求或喜好的创意素材,整体效果与接受度会有很大提升。如推送给 Z 世代,可使用潮流配色、有趣创新的设计更满足其好奇心与探索精神。

设计拆解

为了进一步验证突出人群偏好的设计是否真的更优,我们对 Z 世代人群进行了画像调研以及方案设计,试图找到新生代的设计语言与沟通密码

人群偏好: Z 世代消费类别主要是吃喝、购物和玩乐,悦己消费是 Z 世代消费的第一动力,高颜值、获得乐趣是大多数 Z 世代消费时所考虑的首要因素。

品类偏好: Z 世代偏好电竞数码、潮玩手办、潮流服饰、美妆护肤、新式养生、颜值好物等新潮品类

视觉偏好:时尚前卫,个性有趣,色彩独特。

基于以上分析,我们选定了 Z 世代偏好的几大核心品类,进行了人群创意与通用创意的设计输出:

1、数码 - Z 世代人群设计 VS 品类通用设计

(更多设计素材可点击图片查看)

2、食品 - Z 世代人群设计 VS 品类通用设计

(更多设计素材可点击图片查看)

3、美妆 - Z 世代人群设计 VS 品类通用设计

(更多设计素材可点击图片查看)

同时也针对站内的 Z 世代人群进行定向实验投放,相关数据回收中,敬请期待!

电商营销创意涉及到的商品品类、设计维度非常繁多,从模板或创意角度来说需要准备大量素材作为实验支撑,同时也需要一定的实验周期来获取数据,最后才能分析得出置信结论,并进行方案的择优与替换。

而这中间,其实有很多工作已经可以通过机器或程序来进一步解放人力、提升效率,为此我们即将为你介绍,伴随本次洞察一并发布的三大工具能力,帮助您一键创意投放与实验优化!

⟡ 解决方案一:即时创意生成引擎 ⟡

如何应对“千人千面”时代巨大的创意需求缺口?借助于数字化技术与人工智能算法,新一代的智能设计工具为商家经营或平台运营提供了一种更快速、更高效、更高质的创意生产模式!

基于程序化技术原理及营销设计图谱,羚珑设计团队搭建了首个面向“人”、“货”、“场”零售三要素的即时创意生成引擎,支持根据用户画像、商品信息及营销活动实时生成多尺寸、多样化的海量创意素材,赋能京东全站各类型资源位及频道素材生产供给,旨在通过创意设计数字化升级与智慧化运营,持续探索接近商业、技术与美学的最优解

围绕电商营销的 “人”、“货”、“场” 三要素,羚珑即时创意生成引擎不仅提供了海量且丰富的创意设计素材,而且每一个素材效果、每一种设计手法背后都是模块化的设计元素,能够根据平台宏观大数据与场景微观小数据进行模块拆分、元素替换、重新组合与延展适配,在符合美学表达的同时,最大化地提升素材点击与转化效率!

羚珑·即时创意生成引擎现已开放内测使用,请点击 https://ling.jd.com/ai/adv-produce 访问体验!

⟡ 解决方案二: 即时创意知识图谱 ⟡

知识图谱作为认知智能的重要一环,是实现机器认知智能的使能器,机器可以通过对知识图谱中实体、概念、关系的理解来形成基础认知,使人工智能具有了可解释性。知识图谱通常以图形的方式直观的表示知识以及知识之间的关系,其中节点代表知识的概念,边表示两个概念之间的关系。

我们将专家团队在电商领域沉淀多年的设计经验,通过挖掘和整理,以图谱的方式进行存储以及查询,并应用到广告图智能生产链路中:围绕“人”、“货”、“场”三要素,我们搭建了基于不同人群、不同品类、不同营销场景的创意知识图谱,将零散的设计经验通过网状结构的形式连结起来,并通过可视化的方式进行呈现。知识图谱作为一种工具,既是专家知识的沉淀,也帮助设计师重新梳理知识和想法,探索不同领域之间的新可能性和联系

在创意设计知识图谱中,我们将品类、人群、设计模型、设计元素等定义为节点,节点与节点之间的连线即可以表示它们之间的关系,如“包含”、”适合“等。

以**「茶具」品类为例**,我们基于创意元素化结构,从茶具品类的特性出发,围绕背景、字体、文案装饰、商品装饰、画布装饰等多个维度选择不同的素材来搭建创意设计知识。在图谱中,各个节点通过包含、搭配等关系被关联在一起,而在使用时,我们通过图计算,经过节点查询与路径推理,输出一个符合目标场景的创意广告设计。

羚珑·即时创意知识图谱现已完成 60 + 品类知识搭建,覆盖电商常用日销、促销等常用营销场景。对于设计师而言,通过知识搭建工具,将优质设计进行了标准化沉淀,解放设计人力使得更深层次灵感的创作成为可能;对于用户而言,仅需输入关键词即可完成广告图生产,大大降低了营销广告设计的准入门槛!

羚珑·即时创意知识图谱现已面向京东域内业务场景开放使用,欢迎设计及业务同学参与知识共创!

⟡ 解决方案三:即时创意动态调优 ⟡

基于即时创意生成引擎,商家经营与平台运营中涉及素材制作及设计的工作效率得到了极大提升,海量且多元化的品类、人群设计图片秒级生成。与此同时,在极大效率提升的基础上,我们更希望每一次投放实验都能得到更优的结果,每一次即时创意结果都能带来高质量的转化效果。

创意从业者不难发现,在传统广告投放过程中存在着几大痛点:

① 费用预算限制:有限投放预算下创意投放宽度非常受限,面对多元化人群偏好很难以单一内容促成转化;

② 创意调整周期长:创意效果拆解、分析及再制作投放均需要一定时间周期,创意即时性差,而流量价值稍纵即逝;

③ 人力成本消耗大:智能投放工具使得计划配置、出价等更为便捷,但在创意素材环节,仍然依赖投手的全程人为调整及更新;

为了解决以上痛点及问题,羚珑团队在即时创意生成引擎之上,进一步推出了全自动化“即时创意动态调优”策略,根据设计知识、设计资产、数据效果构建创意反馈自调优链路,实现创意投放的智能化调优!

可以看到,传统的广告创意调优流程几乎全程需要人的判断与参与,因此会有诸多不可控及不确定的因素。而羚珑即时动态调优策略则在关键环节建立一套自动化感知及驱动的调优机制,通过程序代替人力从而实现创意设计的动态进化!

整体的动态调优机制,大致拆分为两个阶段:

1、前向探索实验

在前向阶段,商家用户或业务同学在完成设计场景梳理并将设计关联知识录入系统后,系统会自动运行“创意拆分组合 > 无偏实验投放 > 效果数据分析”的创意探索流程,尽可能多样化地探索创意可能性。

2、后向收敛调优

后向阶段系统则会在探索数据的基础上进行收敛聚焦,通过“创意知识关联 > 智能调整元素 > 二次投放实验”的创意收敛过程,不断优化业务场景中的广告素材,以持续提升广告素材的投放效果。

羚珑·即时创意动态调优策略现已启动场景灰度测试,欢迎广大商家朋友及业务同学加入内测计划!

⟡ 总结展望 ⟡

“未来已至,只是分布的不均匀”, 2022 年是极为不确定的一年,商家经营与平台运营受到巨大的压力与困难。过去的三十年是互联网红利三十年,也是消费端数字化的红利三十年,而随着消费端红利日渐消失,未来的商业博弈将在供给端数字化能力间缓缓展开。 我们相信,商家通过持续的每一次数字化运营与每一场动态化营销投放,一定能穿越寒冬,找到并放大营销创意的最大公约数制胜密码!

我们也希望通过以上的三大即时创意解决方案与四大创意洞察结论,能够帮助商家朋友与业务朋友在未来的营销电商营销创意投放中更好地提升设计效率、实现更高地创意效果增长!

因为我们相信,所以我们看见!

⟡ 内容声明 ⟡

本白皮书由京东羚珑设计平台、主站体验设计及创新中台设计团队联合出品。

如果您想提出建议或合作咨询,欢迎通过外部邮箱 lings@jd.com  联系我们。

来源:京东云开发者社区 转载请注明来源

这篇关于营销创意素材如何秒级智能生成?即时创意白皮书来了!的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/627431

相关文章

AI一键生成 PPT

AI一键生成 PPT 操作步骤 作为一名打工人,是不是经常需要制作各种PPT来分享我的生活和想法。但是,你们知道,有时候灵感来了,时间却不够用了!😩直到我发现了Kimi AI——一个能够自动生成PPT的神奇助手!🌟 什么是Kimi? 一款月之暗面科技有限公司开发的AI办公工具,帮助用户快速生成高质量的演示文稿。 无论你是职场人士、学生还是教师,Kimi都能够为你的办公文

嵌入式QT开发:构建高效智能的嵌入式系统

摘要: 本文深入探讨了嵌入式 QT 相关的各个方面。从 QT 框架的基础架构和核心概念出发,详细阐述了其在嵌入式环境中的优势与特点。文中分析了嵌入式 QT 的开发环境搭建过程,包括交叉编译工具链的配置等关键步骤。进一步探讨了嵌入式 QT 的界面设计与开发,涵盖了从基本控件的使用到复杂界面布局的构建。同时也深入研究了信号与槽机制在嵌入式系统中的应用,以及嵌入式 QT 与硬件设备的交互,包括输入输出设

让树莓派智能语音助手实现定时提醒功能

最初的时候是想直接在rasa 的chatbot上实现,因为rasa本身是带有remindschedule模块的。不过经过一番折腾后,忽然发现,chatbot上实现的定时,语音助手不一定会有响应。因为,我目前语音助手的代码设置了长时间无应答会结束对话,这样一来,chatbot定时提醒的触发就不会被语音助手获悉。那怎么让语音助手也具有定时提醒功能呢? 我最后选择的方法是用threading.Time

pdfmake生成pdf的使用

实际项目中有时会有根据填写的表单数据或者其他格式的数据,将数据自动填充到pdf文件中根据固定模板生成pdf文件的需求 文章目录 利用pdfmake生成pdf文件1.下载安装pdfmake第三方包2.封装生成pdf文件的共用配置3.生成pdf文件的文件模板内容4.调用方法生成pdf 利用pdfmake生成pdf文件 1.下载安装pdfmake第三方包 npm i pdfma

poj 1258 Agri-Net(最小生成树模板代码)

感觉用这题来当模板更适合。 题意就是给你邻接矩阵求最小生成树啦。~ prim代码:效率很高。172k...0ms。 #include<stdio.h>#include<algorithm>using namespace std;const int MaxN = 101;const int INF = 0x3f3f3f3f;int g[MaxN][MaxN];int n

poj 1287 Networking(prim or kruscal最小生成树)

题意给你点与点间距离,求最小生成树。 注意点是,两点之间可能有不同的路,输入的时候选择最小的,和之前有道最短路WA的题目类似。 prim代码: #include<stdio.h>const int MaxN = 51;const int INF = 0x3f3f3f3f;int g[MaxN][MaxN];int P;int prim(){bool vis[MaxN];

poj 2349 Arctic Network uva 10369(prim or kruscal最小生成树)

题目很麻烦,因为不熟悉最小生成树的算法调试了好久。 感觉网上的题目解释都没说得很清楚,不适合新手。自己写一个。 题意:给你点的坐标,然后两点间可以有两种方式来通信:第一种是卫星通信,第二种是无线电通信。 卫星通信:任何两个有卫星频道的点间都可以直接建立连接,与点间的距离无关; 无线电通信:两个点之间的距离不能超过D,无线电收发器的功率越大,D越大,越昂贵。 计算无线电收发器D

hdu 1102 uva 10397(最小生成树prim)

hdu 1102: 题意: 给一个邻接矩阵,给一些村庄间已经修的路,问最小生成树。 解析: 把已经修的路的权值改为0,套个prim()。 注意prim 最外层循坏为n-1。 代码: #include <iostream>#include <cstdio>#include <cstdlib>#include <algorithm>#include <cstri

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言

poj 3723 kruscal,反边取最大生成树。

题意: 需要征募女兵N人,男兵M人。 每征募一个人需要花费10000美元,但是如果已经招募的人中有一些关系亲密的人,那么可以少花一些钱。 给出若干的男女之间的1~9999之间的亲密关系度,征募某个人的费用是10000 - (已经征募的人中和自己的亲密度的最大值)。 要求通过适当的招募顺序使得征募所有人的费用最小。 解析: 先设想无向图,在征募某个人a时,如果使用了a和b之间的关系