【新媒体观察】AOL、CNN、USA today、CNet等旧势力卷土重来

2024-03-22 18:18

本文主要是介绍【新媒体观察】AOL、CNN、USA today、CNet等旧势力卷土重来,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!

【新媒体观察】AOL/CNN/USA today/CNet等旧势力卷土重来

郑昀 20070710

6066557-lg  

这些日子,不单单注意到那些新锐网站,比如MyLifeBrand Throof、很像大众点评网的Yelp,还看到那些人们曾经认为不够酷的旧势力们卷土重来,比如AOL的一系列动作,CNNredesigned versionUSA today的三月份重构,News.com.comBig Picture,都大量地吸收了流行的、酷的元素。

STILL around after all these years and STILL thriving,这句话准确描述了人们看到这些重构动作的感受。他们终于都回来了!

AOL今天(710)Beta版发布的三个产品myPage”“Mgnet”“Favorites,我更喜欢号称“图片驱动的内容发现和推荐引擎,Image-driven Content Discovery and Recommendation Engine”的Mgnet,一个阅读新闻和关联新闻的工具,有点类似于Google最近发布的那个“玩具”(《读图看世界 Google(谷歌)推出了谷歌资讯图片版本》),再加上从CNNUSA Today的变化所反映出来的,看来不仅仅是谷歌“发现许多人偏爱以更加直观的方式来阅读最新资讯”,其他人也在动手实施。

Mgnet还是一个个性化推荐阅读体系,据说马上加入社会化的一些元素,无非就是“collaborative filtering”。不过个性化推荐的前辈SearchfoxFindory这两个未完成很久前介绍过)、Spotback似乎状态也并不是太好。

Favorites则更像是抓虾、BloglinesGoogle Reader的东西,阅读体验还不错。

CNN的改版重点放在了视频、图片,加入了很多Web2.0的元素,并且更强调了他们的博客播客

USA Today毫不例外,也重点强调图片,并且象Web2.0网站一样把超链接的文字放得很大,同时把评论和投票这两个社会化元素发挥得不错。

就像网易新闻搜狐新闻都变得更简化、网易掘世新闻使用了digg概念、甚至网易还把译言的模式复制一样,中国的传统新闻门户们也许有一天会放弃那些超链接堆砌的新闻超市模式,而把新闻阅读变得更酷更养眼。 

模仿lome的口气,可以这么说:虽然有人讽刺AOL的三个产品只是在模仿其他成功的家伙,但话说回来,伸头是一刀,缩头也是一刀。每个牛叉网站的一生,难免遭遇一两次被遗弃的处境。此等尴尬情境下,光不服是没用的。就好比,一个用户嫌弃你过于严肃活泼没大脑不成熟,不理他,他会甩了你。理他,听他的话使劲搂住那些成功的Web2.0/3.0特色不撒手培养内涵顺便装优雅,你若装得不象,他会笑话你人不人猴不猴;若装得象,他又觉得老处女太沉闷还是啦啦队女队长青春逼人。最后的结果,他还是会甩了你。他绝尘撂蹶子就跑,只剩下你在原地满拧着,摆什么姿势都觉得怪,最后只好顺拐前进。

满拧着,也还是要前进。



Trackback: http://tb.blog.csdn.net/TrackBack.aspx?PostId=1685877


这篇关于【新媒体观察】AOL、CNN、USA today、CNet等旧势力卷土重来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/835898

相关文章

深度学习实战:如何利用CNN实现人脸识别考勤系统

1. 何为CNN及其在人脸识别中的应用 卷积神经网络(CNN)是深度学习中的核心技术之一,擅长处理图像数据。CNN通过卷积层提取图像的局部特征,在人脸识别领域尤其适用。CNN的多个层次可以逐步提取面部的特征,最终实现精确的身份识别。对于考勤系统而言,CNN可以自动从摄像头捕捉的视频流中检测并识别出员工的面部。 我们在该项目中采用了 RetinaFace 模型,它基于CNN的结构实现高效、精准的

知名AIGC人工智能专家培训讲师唐兴通谈AI大模型数字化转型数字新媒体营销与数字化销售

在过去的二十年里,中国企业在数字营销领域经历了一场惊心动魄的变革。从最初的懵懂无知到如今的游刃有余,这一路走来,既有模仿学习的艰辛,也有创新突破的喜悦。然而,站在人工智能时代的门槛上,我们不禁要问:下一个十年,中国企业将如何在数字营销的浪潮中乘风破浪? 一、从跟风到精通:中国数字营销的进化史 回顾过去,中国企业在数字营销领域的发展可谓是一部"跟风学习"的编年史。从最初的搜索引擎营销(SEM),

如何将卷积神经网络(CNN)应用于医学图像分析:从分类到分割和检测的实用指南

引言 在现代医疗领域,医学图像已经成为疾病诊断和治疗规划的重要工具。医学图像的类型繁多,包括但不限于X射线、CT(计算机断层扫描)、MRI(磁共振成像)和超声图像。这些图像提供了对身体内部结构的详细视图,有助于医生在进行准确诊断和制定个性化治疗方案时获取关键的信息。 1. 医学图像分析的挑战 医学图像分析面临诸多挑战,其中包括: 图像数据的复杂性:医学图像通常具有高维度和复杂的结构

CNN-LSTM模型中应用贝叶斯推断进行时间序列预测

这篇论文的标题是《在混合CNN-LSTM模型中应用贝叶斯推断进行时间序列预测》,作者是Thi-Lich Nghiem, Viet-Duc Le, Thi-Lan Le, Pierre Maréchal, Daniel Delahaye, Andrija Vidosavljevic。论文发表在2022年10月于越南富国岛举行的国际多媒体分析与模式识别会议(MAPR)上。 摘要部分提到,卷积

利用AI进行社交媒体创作及管理的14种简单方法

管理一个企业的社交媒体账户可能是个耗时的工作。每次发布有趣的视频或创意活动,都伴随着深夜的提醒或紧急的私信处理。但你可以使用AI来让工作变得轻松一点,效果更好一些。在这里,我们将分享14种使用AI进行社交媒体内容创建和管理的方法。 目录 为什么需要AI来管理社交媒体14种使用AI的方法如何开始使用AI管理社交媒体 你需要使用AI来管理社交媒体——原因如下 在我们探讨如何开始使用AI之前,让

LiveQing视频点播流媒体RTMP推流服务功能-支持大疆等无人机RTMP推流支持OBS推流一步一步搭建RTMP视频流媒体服务示例

LiveQing支持大疆等无人机RTMP推流支持OBS推流一步一步搭建RTMP视频流媒体服务示例 1、流媒体服务搭建2、推流工具准备3、创建鉴权直播间4、获取推流地址5、配置OBS推流6、推流及播放7、获取播放地址7.1 页面查看视频源地址7.2 接口查询 8、相关问题8.1、大疆无人机推流花屏 9、RTMP推流视频直播和点播流媒体服务 1、流媒体服务搭建 Windows/Lin

【tensorflow CNN】构建cnn网络,识别mnist手写数字识别

#coding:utf8"""构建cnn网络,识别mnistinput conv1 padding max_pool([2,2],strides=[2,2]) conv2 x[-1,28,28,1] 卷积 [5,5,1,32] -> [-1,24,24,32]->[-1,28,

【UE4源代码观察】观察Core模块

话题 Core模块是整个引擎中最核心的模块,在之前的博客【UE4源代码观察】可视化所有模块的依赖情况中有统计,它被983个模块引用,恐怕除了第三方的模块外基本所有模块都有引用。我想首先观察其中的内容,然后再做测试:将Core模块拷贝到之前【UE4源代码观察】手动建立一个使用UBT进行编译的空白工程建立的空白工程中,看能否将它成功编译,理论上讲,“核心”不应再依赖太多其他的东西,所以我应该不会再需

【UE4源代码观察】在空白工程中测试跨模块调用函数

目的 在之前的博客【UE4源代码观察】手动建立一个使用UBT进行编译的空白工程中,成功让UBT工作起来了。现在我想要测试编译出的多个模块之间是否能互相调用,我记录下测试的过程。最终工程见 工程GIT链接。 实践 第一部分 首先仿照TestA模块建立TestB模块。 在TestB.h文件中声明了一个函数 int TestBFunc(int x, int y); 并在TestB.cpp中

【UE4源代码观察】观察FEngineLoop中各函数的调用顺序

当启动编辑器时,Launch模块是启动模块,在Windows平台中 LaunchWindows.cpp 的 WinMain函数是入口,而 FEngineLoop 管理了程序的初始化与主循环。他的成员函数如下: public:/*** Pre-Initialize the main loop, and generates the commandline from standard ArgC/Arg