标签： 百度算法

导读：近期，百度在站长平台发布公告宣布取消新闻源，由此风云十多载，甚至一度把持优质网络媒体、自媒体、站长流量命脉的“一代枭雄”谢幕退出舞台。该项举措在业界可谓一石激起千层浪，也引发了业内人士的种种猜想——百度为什么要取消新闻源？取消新闻源对企业传播又会造成哪些影响？

新闻源的取消，顺势而为

新闻源，是指符合搜索引擎种子新闻站的标准，站内信息第一时间被搜索引擎优先收录，且被网络媒体转载成为网络海量新闻的源头媒体。

在过去的10多年百度几乎垄断流量入口，企业内容传播只能通过百度新闻源做分发，这种形式随着百度宣布取消新闻源数据库将一去不复返。新闻源无疑是一块大蛋糕，但是百度为何会突然选择放弃这块既得利益呢？

1.百度新闻源充斥着大量低质量内容

在PC互联网时代，百度新闻源可以为网站贡献大量的流量。网站一旦成为百度新闻源，就意味着踏入了主流媒体的大门，可以坐拥巨大的流量和巨额的广告费。但随着新闻源站点规模的不断扩大，某些百度新闻源站点为了牟利，开始滥发软文、售卖目录，致使新闻源内出现大量的低质量内容。

另外，鉴于新闻源网站权重高，易获得搜索引擎排名，不法分子会通过入侵一些安全性不高的新闻源网站，自建目录或在某些目录下自动生成大量垃圾页面以获取搜索引擎排名，从而轻易把流量导向灰色或违法类网站获利,这无疑是种严重侵害用户的利益的行为。

2016年11月，百度推出“蓝天算法”，旨在严厉打击新闻源低质量内容及售卖软文、目录行为，从该项举措中也可窥见百度调整的征兆。

2.在移动互联网迅猛发展的背景下，百度新闻源影响力日渐式微。

随着移动互联网和新媒体的崛起，打破了百度流量入口的垄断。新闻内容来源呈现碎片化，无论是在时效性还是深度内容方面，百度新闻源都已失去原有的竞争力。

现如今，微博、微信、今日头条、一点资讯等大量的新媒体渠道涌现，自媒体人有了更丰富的内容分发渠道，用户也可以根据自己喜欢的内容平台获取信息。百度新闻源日渐式微，取消新闻源数据库乃是顺势而为。即便坚持，也难逃消亡的结局。

3. 百度取消新闻源是大势所趋，挑战与机会并存。

百度的核心价值是做内容分发，方便、高效地把信息分发给有需求的用户。但随着内容渠道的增多，受众阅读习惯开始向移动端转变，新闻源机制已不适应当下的环境。

李彦宏为什么讲要“利用百度的平台让内容回来”，百度为什么要大力发展百家号？种种情况表明搜索引擎在内容分发形式上遇到了新的挑战和机会，只有主动求变，才有可能让内容重新回归百度平台。因此，百度取消新闻源机制也是时代发展的必然结果。

多样的选择，不变的“内容为王”

百度取消新闻源机制，笔者认为对于企业来讲并不会造成太大的影响，因为企业的目标受众没有变，只是内容分发渠道发生了变化。那么在新形势下企业如何做好传播？

以下几点信息可供参考：

1. 能够打造优质内容的企业SEO将迎来“春天”

现在，SEO（搜索引擎优化）之于企业的重要性已不及从前，但SEO仍然是企业性价比最高的一种营销方式。百度取消新闻源机制让各类中小型站点都能获得被展示的机会，大小站点重新回到同一起跑线，公平竞争，优质内容成为站点被展示与否的唯一标准，这样才能使得互联网内容不断更新迭代。

然而这只是一个较为理想的状态，虽然百度技术升级了，但是否能够识别网站原创优质内容还有待观察。笔者认为在现阶段百度还无法实现对所有原创内容的识别，特别是小型站点想要被百度收录原创、时效性优质内容，恐怕还有很长的路要走。除了百度技术提升之外，利用一些SEO技术也是必要的。

2. 低质量的企业软文将失去生存空间

目前，部分企业软文质量有待提升。大量软文通篇围绕企业的优势、所得的荣誉，举办的活动等等展开简单粗暴地叙述，推销意图明显，却忽略了这些内容对用户而言是否有价值。在百度未取消新闻源之前，只要能发到新闻源站点，这类广告软文基本即可被百度新闻源收录，这些没有价值的内容就会呈现给用户，用户体验大打折扣。当出现大量低质量内容影响到平台发展的时候，调整就成了必然。

因此，百度取消新闻源也就决定了网站必须遵从新的规则，只有提高网站内容的标准才能获得展示机会和流量。未来将会出现两级分化的趋势：优质原创时效性内容将会获得更好的传播机会，价值也会越来越高；而带有明显推销意图的低质量广告软文，将会乏人问津，从而失去生存的空间。

3. 内容分发渠道多样化，企业传播有更多选择。

如今是内容爆发时代，企业要做好传播，必须以优质内容为基础，同时也要选择正确有效的传播渠道。除了传统的媒体渠道，企业应该重视各大新媒体渠道，比如微信公众号、腾讯企鹅、百度百家、今日头条、搜狐媒体、一点资讯等等。根据企业需要注册新媒体账号，可以采用一个平台多个账号的形式操作。通过持续发布有价值的内容去影响目标客户，建立起与客户的联系。

虽然内容有多平台可以承载和传播，但内容的生产和发布并不是一件简单的事情。笔者曾经做过测试，同样一篇文章发布到不同的内容平台，文章的推荐量、阅读量、转发量相差十几倍甚至几十倍。因此，要想达到最佳的宣传效果，就得花点心思去研究每个内容平台的规则、用户偏好以及同行的发布情况等，当你把这些都弄明白的时候，就可以针对不同的平台去制造内容，让你的优质内容在各内容渠道间流动。其实这跟做SEO需要弄懂搜索引擎原理是一样的道理，只要掌握了规则，在不触碰规则红线的情况下，可以任由你去发挥。

4. 企业衡量信息的传播标准应重构

在过去，很多企业信息发布的考核标准就是是否被百度新闻源收录以及收录了多少条等。而如今，随着各大新媒体平台的崛起，我们在衡量一篇文章时，百度新闻源已不再是唯一的评价标准。更在意的应该是文章的点击量、阅读量、评论数以及转发量等多个维度。

不管过去还是现在，对于企业来讲，内容营销仍然是获取赢得媒体和受众关注的成本最低、被证明最有效、投资回报率最高的一种内容传播形式。只不过随着互联网的发展，信息传递的渠道和效果衡量的方式在不断的变化。

百度废旧出新，在取消新闻源数据库的同时，也推出VIP俱乐部制度，但不管是否入驻VIP俱乐部，只要原创、时效性强的优质内容都有机会优先展现在时效性检索结果中。大小网站都有了平等竞争的机会，而内容才是真正竞争的筹码，百度实际上是开始由搜索生态向内容生态转变。

写在最后：

百度新闻源曾经是互联网发展的一个里程碑，百度取消新闻源数据库，喻示传统内容分发时代的终结，但结束不是终点，而是一个新的开始。未来会怎么样？让我们一起拭目以待！

袁绪能（微信公众号：yxnsem），有网络营销干货，产品运营，实战案例等诸多优质内容。欢迎来一起探讨！

– The End –

【人工智能观察君编著】陆奇上任近百天，已经买了2个科技巨头公司。

没想到百度总裁陆奇是位挥金如土的“剁手”狂人。今日百度全资收购美国科技公司xPerception，是即渡鸦科技之后，他收购的第二个科技巨头公司。

陆奇出任百度总裁兼首席运营官还不到三个月，这八十多天里发生了很多事情，前百度首席科学家吴恩达、前百度高级副总裁、自动驾驶事业部总经理王劲先后离职。陆奇也没闲着，他在内部进行了大刀阔斧地“修剪”：裁撤百度医疗事业部和游戏业务，理清智能汽车、智能家居，度秘三大事业部。

陆奇是百度成立17年以来权力最大的职业经理人，负责产品、技术、销售、市场、运营。连李开复甚至用“罕见”二字来形容这个技术专家与战略家的兼得者。

2013年是百度布局人工智能的一个起点，面对BAT其他两家的“围剿”，百度不得不重回自己擅长的科技老本行，势必成为中国的科技老大。

在此后的几年时间里，百度投入大量人力、物力和财力在人工智能上。人工智能研发团队超过千人，是中国互联网公司中研究人工智能最深的公司。

今年2月，百度全资收购渡鸦科技有限责任公司，在被收购之前，涂鸦公司的主力方向人工智能和新交互。早前李彦宏在内部讲话中已经提过，软硬结合的人工智能产品将是新方向。将百度自身缺少的日常生活AI纳入旗下，帮助百度加快人工智能的产品化和商业化进程。

今日，百度宣布全资收购d的美国科技公司xPerception，是一家专注于机器视觉软硬件解决方案的科技公司。之所以会引起百度注意，源于该公司联合创始人包英泽博士和陈明裕博士曾是AR公司Magic Leap的早期核心工程师，而且他们在机器视觉的研究和软硬件成果恰恰与百度的AI战略相吻合。

收购后，xPerception的核心团队全部移至百度研究院，加速包括AR、自动驾驶、机器人在内的百度人工智能业务矩阵的产业化。

xPerception开发的产品可以让设备进行六自由度的3D定位，在陌生环境中，能对自身的的定位、对空间三维结构的计算和路径规划。简单说来，可以把真实环境里的手、人、家具、车等映射到虚拟空间中，让机器人可以在真实空间中自由活动。

比如投入应用的仓储机器人和家用扫地机器人，若缺乏感知能力，它们不懂得避障，使用起来并不智能。若给机器人加上电子眼睛，自行避障、移动人性化得多。

贯彻“软硬结合”的原则，xPerception的魅力同样在于它的硬件方面，即“算法+芯片”的软硬结合战略。xPerception公司的联合创始人包英泽博士对于“算法”的解释道，计算机视觉感知算法对CPU的调用和电池要求都很高，所以为了保证一套最适合的算法，保险的做法就是提前知道该算法是跑在什么样的硬件上，软硬一体，才能避免耗费多余的财力与人力。目前，xPerception宣称他们的方案是市面最低的，用别人一半的价格，做出更好的效果。

百度最近在硬件上的动作不少，不差钱的百度到底要收了多少公司，才能夺回曾经在BAT时的荣耀？

【人工智能观察君：专注人工智能领域报道，为人工智能创业者服务，想要获得更多人工智能领域最新趋势，请关注： 微信号 AI_GCJUN】

网站优化的最终目的就是为了不断提升网站的排名，于是开始不断采用各种方法来达到这种目的。在众多的方法中，内容为王已经被业内当成了圭臬，而且也被大多数人当成优化的难点，因为内容不可能天天做到高质量，可是在网络营销策划公司，优易销看来，这实际上并不算做一个难点，真正的难点是信任度的构建，那就是能够赢得百度的信任。这也是最难的一点。

我们实际上做SEO优化虽然提升排名是最终目的，可是想要达到这种目的就是要和百度建立信任关系，百度认为你的网站质量行，那么网站排名自然会上升，并保持稳定，如果这种信任关系没有建立起来，即使能够一时的登上顶峰，也很难实现持续的稳定。

这看起来有点唯心，可事实上的确如此。那么我们为什么迟迟不能够和百度构建良好的信任关系呢?这主要体现了下面几个方面的因素：第一，优化技术停滞不前。要知道百度的算法是不断更新的，那么在这种环境下，你的优化技术自然也要更新，和百度进行配套，这样才能够和百度同步前进。否则自然很难适应百度的算法，这种信任关系自然就难以构建。

二，黑帽优化，想要走捷径。要知道百度的智能化现在已经今非昔比，而且百度也希望能够为用户提供更好的内容，更优质的服务体验。但是有的优化工作人员看不到这一点，认为搞好高质量的外链，大量的做广告软文，这样能够获得百度的关注，可是自身的内功却不能够修炼成功，久之，百度反而认为你在做恶意优化，反而合理疏远。

三，百度信用度不持久。这一点对于网站而言极为常见，因为很多优化人员都发现，经过了很多辛苦将网站排名提升上去了，可是最终却没有实现排名的稳定性，这实际上就是因为信任的持续性不佳，导致难以实现排名的稳定性。

因此提升网站和百度之间的信任度就显得极为关键。从以下做起。

一，保持和搜索引擎具有友好关系。这是实现网站排名稳定的关键因素。对此就需要实时的了解百度优化指南的变化，最好网站自身的内功，不断提升网站的流量，通过用户数量来赢得百度的信任，就会逐渐让你的网站成为一种品牌网站，自然这种信任度就能够得以保持。

二，和高质量的平台合作。百度算法还是十分注重网站之间的相互联系，如果一个品牌网站和你构建了良好的关系，百度就会认为你的网站和这个品牌网站具有同一特质，那么就会对你网站青眼相看。所以作为优化人员，就必须要加强和高质量平台构建紧密的关系，这样就能够间接的和百度保持紧密的联系，维持良好的信任度。

三，避免违规操作。这种方式能够有效的为你的网站保持相应的信任度。现在很多网站为了短期的利益，往往的发布大量的广告内容，但是这些广告又没有被屏蔽，这自然会引起百度的反感，进而信任关系下降。

总而言之，提升和百度的信任度是目前进行SEO优化的最难点，因为这是一个系统性的工程，如果只是注重其中一点，往往产生不了最佳的效应，而且还需要结合上面提到的思路进行细节上的操作，这样才能够更好的提升并维持已经建立的信任度。

来源优易销博客

人工智能以超乎想象的速度加速各行业发展，为了挖掘相关领域优质人才，百度此前联合西交大举办第三届大数据竞赛。经过激烈比拼，获奖名单于近日出炉。凭借精准清晰的程序结构及优质完整的算法，来自西交大白德桃率领的UNION团队从1000多支队伍中脱颖而出，夺得桂冠。此外，西交大的Heils团队； 重庆大学、北邮组成的“少年先锋“队并列第二名，“竟然有这种操作”队、“天外来客”队、Arrow队获得三等奖。另有八个团队获得优秀奖。

百度-西交大 大数据竞赛公布的获奖团队名单

人工智能研究要跳出舒适区，团队合作、心态都很重要

“百度-西交大大数据竞赛非常具有挑战性和应用价值，极大的促进了选手的创新思维，推动了算法的进步。”冠军团队成员在接受采访时表示，大赛为选手提供了良好的交流平台，帮助大家结识到可靠的队友。“UNION团队有四名成员，分别是来自卡耐基梅隆大学的陶然，伊利诺伊大学香槟分校的陈新元和来自西交大的张亮及队长白德桃，大家都是计算机视觉和信号处理方向的硕士生和博士生。

比赛过程中，针对数据清洗、数据增强、迁移学习、细粒度分类、模型融合等问题，团队每个人都查文献和资料,独立去尝试一些方法,大家交流意见和思路，再继续优化跟进。谈及参赛的最大收获，队长白德桃认为，比赛中有很多试错的过程，任务量很大，因此明确的任务分配、合理的团队协作、心态都很重要。“我们比较愿意跳出舒适区，希望在人工智能、大数据方面做得更深入一点，走出实验室，能应用于实际场景。”

在深度学习领域越走越远，突破认知智能方向带来优质体验

据了解，本次百度-西交大大数据竞赛一等奖奖金为5万元，在问及如何使用这笔资金时，冠军团队表示：“部分成员自由支配，部分费用会继续用于科研工作。另外我们成立了西交大人工智能创新实践社团，获奖的其余费用将用于社团运营，希望给更多对人工智能充满兴趣的同学提供一个交流平台。”

关于未来的研究方向，同学们一致表明还是会基于深度学习方向，进行计算机视觉研究，主要包括人脸识别和人体姿态。另外也会对应用方面做些研究工作,包括模型压缩,图像质量提高等。

计算机视觉在很多领域应用越来越成熟，给大众带来了极大的便利。不过现阶段主要处于视觉感知智能阶段，“我们希望在认知智能方面有一定突破，带来更优质的体验。非常希望未来有机会同企业合作，共同开发和利用这些海量数据，让人工智能充满更多可能。”

摘 要

针对不同特征提取算法对不同传感器平台获取的影像空间相对关系估计的适用性问题，该文以不同来源的影像数据为研究对象进行实验分析。该文采用基于特征的影像匹配算法SIFT,SURF,ORB对影像进行特征提取和匹配，利用RANSAC算法进行粗差剔除，随后使用归一化的八点法估计基础矩阵，最后采用辛普森距离统计像素均方根误差。结果表明，在不考虑速度的情况下，SIFT算法对于各类影像的相对位置关系估计有较好的精度；ORB算法在速度上有较大优势，检测和匹配的特征点数目最多；SURF算法的速度和精度介于两者之间。

引用格式

查冰，张力，艾海滨． 不同特征提取算法对相机运动估计的适用性研究［Ｊ］． 测绘科学，２０１８，４３（３）：９２-９８．

正文

随着各类图像获取传感器技术的发展，获取影像的手段越来越丰富。简单的二维影像浏览已经不能满足人们的日常需求。一种全面的、立体的三维模型浏览越来越受到欢迎。而作为基于影像三维重建的关键步骤，估计获取影像时相机的位置和姿态尤为重要。对于简单地估计两张影像之间的相对关系，通常的做法是先提取影像之间的特征点，计算描述子；然后匹配同名点，通过影像间的同名点计算两张影像之间的基础矩阵；最后分解基础矩阵，得到影像之间的相对关系。

对于提取和匹配同名点，数字摄影测量和计算机视觉的研究人员对此做了深入而广泛的研究，产生了一些优秀的算法。较为著名的有2004年文献[1]提出的基于尺度不变特征变换算法（scale invariant feature transform，SIFT）,该算法在物体识别方面有着优异的表现，能够对旋转、尺度缩放和亮度保持不变性，但是算法复杂度高，特征检测和提取速度较慢。对于SIFT的速度瓶颈，2006年文献[2]提出一种加速鲁棒特征算法（speed-up robust feature，SURF），该算法对光照变化和仿射、透视变换也具有较强的鲁棒性，同时具有尺度不变的特性。SURF算法采用积分图和模板缩放来模拟尺度变换，速度比SIFT算法快，但是描述子的区分能力相对较弱。2011年文献[3]在ICCC 2011会议上提出一种用于视觉信息的特征点检测与描述的ORB算法。它解决了FAST特征点的方向问题和BRIEF描述子的旋转不变问题，速度比SIFT和SURF算法的速度快一个级别但是在图像尺度发生变化的环境下，ORB算法效果逊色于SIFT和SURF算法。文献[10-12]对几种匹配算法本身做了简单的比较，都没有结合相机运动的估计。

在基于影像的重建过程中，不同的研究人员采用了上述不同的算法进行特征提取和匹配。2006年发布的Bundler[4]软件和2013年发布的VisualSFM[5]软件中，采用的是SIFT算法和基于GPU加速的SIFT算法。2014年发布的开源软件MVE[6]中，采用的是SIFT和SURF两种算法。但也有少许研究人员采用的是ORB算法。虽然不同的软件方案中采用了不同的特征检测和提取算法，但是很少有研究人员比较不同的特征提取和匹配算法对不同传感器获取的影像估计相对运动的精度问题。

因此，本文从现有方法出发，对不同传感器获取的影像数据用不同的算法提取影像的同名点并进行特征匹配，通过随机抽样一致性（random sample concensus，RANSAC）算法[8]进行粗差点剔除，利用高精度的同名点求解基础矩阵，获得相机运动即相机的位置和姿态。最后利用辛普森距离（sampon distance）比较求得基础矩阵的精度[7]，从而比较不同算法对不同传感器影像估计相机相对运动的适用性。与常用的的特征匹配相比，本方法利用基础矩阵计算的辛普森距离对原有特征匹配进行约束剔除的同时，恢复相机的相对运动，利用相机的相对关系精度来衡量常用的特征匹配对影像的适用性。

在基于序列影像的运动估计过程中，特征检测和提取是一个非常重要的环节，提取的特征点速度、数量和精度都会直接影响估计的结果。通常情况下，对不同传感器拍摄的一组具有重叠度的影像，利用SIFT、SURF、ORB特征提取算法对具有重叠度的影像进行初匹配，利用RANSAC方法对粗差点进行剔除，得到高精度的初匹配同名点。然后利用这些同名点进行影像间的相对运动估计，根据不同算法的衡量指标得到运动估计结果，进而比较不同算法对于运动估计的优劣情况。

本文使用SIFT、SURF、ORB等算法对5类影像进行空间相对关系的估计。本文分别从匹配的点数，特征检测和匹配的时间，初始匹配率，估计的基础矩阵精度方面对算法的适用性进行全面的评估，通过一系列的实验得出以下结论。

1）在不考虑速度的情况下，SIFT算法检测的特征多分布在整个影像，检测速度较慢，匹配的点数较少，但在各类影像中的估计精度是最高的。

2）尽管SIFT对不同场景有最好的估计效果，但是ORB算法的速度最快，几乎是SIFT算法的20倍，是SURF算法的10倍。SIFT检测的特征多集中在影像中心，估计的精度略低于SURF算法。

3）SURF算法的匹配时间、匹配率和结果的精度都是适中的，介于SIFT算法和ORB算法之间。

在目前的基于影像的重建过程中，本文分别对互联网影像、手机影像、数码相机影像、无人机影像进行场景恢复重建，通过一系列实验针对不同平台影像比较了3种特征检测算法。通过分析，研究人员可以根据速度和精度的不同需求和不同传感器获取的影像选择合适的特征检测和提取算法以获得最佳的重建结果。除了本文介绍的几种经典的特征提取算法，还有许多表现效果也很好的算法，它们结合不同策略的影像匹配方法，可能会获得更佳的表现，这些都有待于进一步的研究。

2018年（第43卷）第3期

往期热点文章

(进入公众号—号内搜—往期消息)

编辑：邓国臣

《测绘科学》

主管：国家测绘地理信息局

主办：中国测绘科学研究院

出版：科学出版社

邮箱：niu@casm.ac.cn

网站：http://chkd.cbpt.cnki.net

———————————————————————

全国中文核心

中国科学引文数据库 (CSCD)核心

中国科技核心

———————————————————————

2017中国百强报刊

2015期刊数字影响力100强

全国优秀测绘地理信息期刊

觉得不错，请点赞↓↓↓

问题：

有六个城市，之间的道路如上图所示。中间的数字表示，连接两个城市的建立道路所花费的金钱数。那么如何建立道路，才能在使用最小金钱的情况下，把各个城市都连接起来呢。

解决：

这是一个最小生成树问题。连接n个城市，最少需要n-1条道路。我们先把金钱数按从小到达排序，然后按金钱数从小到大选择对应的道路。这时我们会用到查并集的算法来判断两个城市是否已经联通，如果联通就查看下一条道路，否则将这条道路选择，并对这两个城市进行并集操作，直到我们得到n-1条道路。（大家可以去查看我之前关于查并集算法的文章。）

下面我们来看ruby和python的代码实现：

ruby实现：

我准备了三个文件：

其中data是用来记录数据的：

前两个数表示城市，第三个数代表金钱数。

quick_sort文件是快速排序算法

大家可以看前面的文章。用ruby实现算法3 快速排序

然后是我们的主程序了，首先是初始化部分：

接着是两个查并集的函数，大家可以看前面的文章：

然后是从data中读取数据，加入字典，将金钱数设为key值，将城市设为value。然后对key进行升序排序，根据这个顺序，计算查并集，选择路径。

但其实这个算法有个特别大的问题，就是把金钱设为key了，因为key值是不能重复的。应该把城市数组设为key值。但我懒得改了，留个大家尝试。

python实现

python实现和上面的思路一样，我们直接上代码

共三个文件

data与上面的一样。union.py我在前一个文章中讲过。

union.py

然后是make_tree.py文件。

这里使用了二维数组来处理数据。

当金属3D打印被广泛认为是一种可靠的工业制造方法时，这一天正在慢慢地来临，但在真正来临之前我们还需要解决一些问题。大量的研究工作探讨了金属3D打印缺陷的根本原因，这可能导致最终3D打印部件中的飞溅和微裂纹等缺陷-当您处理航空部件等高风险应用时，这是不可接受的。

但卡内基梅隆大学工程学院（CMU）的两位研究人员已经想出了如何将3D打印和机器学习结合起来进行实时过程监控，这种做法可以检测出零件在3D打印过程中的异常情况。

CMU机械工程系（MechE）校友Luke Scime与NextManufacturing Center主管Jack Beuth合作创建了一种机器学习算法，该算法对激光粉末床融合技术进行过程监控，该技术很容易因粉末层散布不均而出错。

其他研究人员正在使用诸如声学技术、光谱学和温度监测等方法来了解构建的结构内部发生了什么。但是，虽然市场上有一些有限的监测类型，但它们通常不具备自动分析的能力，只能提供机器操作员必须解读的数据。但是Scime和Beuth的工作有不同的方向：计算机视觉算法。

Scime说：“制作一个看起来不错的部件并将其放在飞机上的最大障碍之一是确保你制造的部件没有缺陷。计算机视觉是使用数据分析技术来理解图像中发生的事情的术语。”

Scime的创新算法拍摄粉末床的图像并提取特征，然后将这些特征进行分组并在不同层次的分析中进行比较，直到创建图像的指纹。该机已经学会了如何识别不同的缺陷，因为研究人员提供了数百个预标记的训练图像。现在，它可以比较它接收到的新图像的指纹和它已知的指纹以隔离各种异常。

据悉，Scime和Beuth在“添加剂制造”杂志上发表了一篇论文，标题为“Anomaly detection and classification in a laser powder bed additive manufacturing process using a trained computer vision algorithm”，他们演示了算法如何能够检测粉末中的毫米级瑕疵。该算法可以确定缺陷是什么以及它发生在哪里，这可以帮助提高过程稳定性（打印能力）。

论文摘要写道：“这项工作提出了一种原位监测和分析粉末床图像的方法，可能成为LPBF机器中实时控制系统的一个组成部分。具体而言，使用计算机视觉算法来自动检测和分类在该过程的粉末扩散阶段发生的异常。使用无监督机器学习算法实施异常检测和分类，在适当大小的图像块的训练数据库上进行操作。通过几个案例研究进行演示，对最终算法的性能进行评估，并将其作为独立软件包的有用性。“

这项工作是使金属3D打印成为工业生产可靠、安全的方法。

Scime说：“圣杯是在实时环境中部署这个环境，你将自动分析数据，做一些事情，然后继续前进。真正的问题是，我们是否可以检测到它，了解这是一个问题，然后设计我们所称的处理参数，以便做一些不同于我们为了减少翘曲量而做的事情？”

Scime解释说，“自动纠正最终可能以几种不同的方式工作，其中最基本的是一旦发现异常情况，3D打印机向操作员发送警报，以便早日解决问题。然后，您将继续教授3D打印机，以识别关键缺陷并自动执行简单修复。“

然而，自动化自我修正的最高成就是抗击超高。造成大部分损坏的这种异常情况发生在部分构建开始扭曲或卷曲出粉末时。虽然在达到这种自动化水平之前可能还有一段时间，但CMU机器学习算法已经能够准确地识别出一些异常情况，并准备在现实世界中应用。但是，Scime希望研究如何将附加传感器数据添加到其分析中，并提高其准确性。

大概两周前，笔者所在的一个媒体群群主扔出一个福利消息：人民日报旗下正在试运营自己的内容平台——“人民号”，并推荐了对接入驻的小伙伴。

入驻后发现了一个奇怪想象：百家号和人民号竟然后台是打通的！也就是说，发布在人民号的文章可以同步到百家号。党媒与互联网巨头的这种合作模式让我一度好奇。

直到11日，百度与人民日报宣布达成战略合作，双方将在内容、产品和技术层面共同探索媒体新生态的消息，让这种模式下的双方心思逐渐浮出了水面。

双剑合璧下，传统媒体与新媒体均进入思“变”期

透过这次有风向标指向的联姻背后，折射了新形势下传统媒体与新内容平台均试图思“变”的心路历程。

传统媒体日渐式微的大背景下，在新市场运作空间和盈利显然必须有新的生存逻辑。从受众的视角上看，已有这么几个市场假设前提发生了变化：

1.从“书籍文化”到“屏幕文化”。在1440年古腾堡发明印刷机后，很长一段时间人们得益于书籍、报刊等印刷物带来的精神养分。而如今受众已“潜移默化”地将屏幕文化视作现时一切文化形式的主宰者；2.从“一无所知”到“无所不知”。信息噪声泛滥的年代，受众俨然需要的不再是强调5W要素的全面、以及所谓的“倒金字塔”模式的翔实信息，而是短而快的“发生了什么”的信息；3.从“要读”到“在读”。新媒介时代的受众身上，他们不是“要读”，而是希望时时保持“在读”的便捷式在线状态。

这三个变化直接影响的结果就是，传统纸媒作为阅读入口的优势正在被剥夺，传统的新闻生产方式必须推倒重来。

而对于新媒体而言，实现了“文字-图像-语音-视频-直播”的内容载体升级后，内容质量的升级显然还在路上。以今日头条系产品为代表，今年出现的几次“水逆”事件正是在此处跌了重跟头，平台遭遇管制。围绕算法选择，加之对于流量为王的追崇，势必让平台内容走向“媚俗化”的歧路。

这也让很多内容平台也不得不慎重思考：到底应当倡导什么样的内容？让内容不被流量、点击率等绑架，并做到既叫好又叫座。

权威优质内容+技术驱动，百度的生态卡位战

在商业世界里，任何牵手结合往往是一场双赢，意味着两方将彼此优势力量互相渗透，并同时补齐各自“木桶上的那块短板”。百度与人民日报此次强强联合也同样如此。如果将视野再放开阔一些，以走在数字发展前列的《纽约时报》为例，其转型方法之一，正是与互联网巨头Facebook合作实现双方的互赢。

人民日报可以发挥权威媒体的示范效应和影响力，并用用主流价值纾解新媒体的“流量焦虑”和“算法焦虑”，百度则将为移动传播聚合平台“人民号”提供技术支持。对于思“变”中的双方，显然是皆大欢喜。

具体拆解开来，人民日报选中与百度合作，无外乎以下几点：

首先看中的是简单“搜+推”的模式背后，百度复杂算法逻辑下呈现的技术实力。

对于这信息流这块奶酪，不止百度，今日头条、微博、腾讯在内的互联网公司的资讯类客户端都试图切割，通过重点布局信息流留存用户注意力。但如何以一种自然的方式融入到用户所接受的信息当中成为很多移动端产品思忖的问题。

百度AI技术实力很好地解决了这一点。基于搜索形成天然的大数据优势成就了百度智能大脑，从而可以用“人找信息+信息找人”的方式来把用户真实需求的内容进行定向智能推荐。与此同时，人工智能技术保障内容质量之余还实现高效分发。

再者，百度正在构建的更具战斗力的内容生态“航空母舰”。

2017年剥离百度游戏、百度外卖等非核心业务，专注人工智能和无人车领域布局。而几乎同期，百度开始发力构建的“搜索+信息流”双引擎，一种新型的信息聚合与检索形式形态。这直接推动了百度内容生态的壮大。百度的内容生态，一言蔽之，其实是一幅“手百+信息流+百家号+联盟+知识体系+其它”的生态图谱。

当然，百度内容生态还不仅仅止步于百度知道、百度百科、百度贴吧、百度搜索、百家号等自身优质内容的沉淀。百度PC内容生态（包括百度知道、百度文库、贴吧等）和移动内容生态倘若无缝隙联动起来，无疑会让百度更充满爆发力。

最后，不断加入的新内容形态将为传统媒体多维报道提供新思路。

比如打开百度APP可以发现，界面首页推荐、视频等频道分类明确。另外，百家号的内容原创者涨至120万，爱奇艺、百度视频、好看视频组成了视频生态联盟，而在微博和今日头条正在大力推进的直播、问答、UGC等业务上，百度显然还有更多的施展空间……这些业务的整合与协同，将会是百度内容生态未来的重点。

随着双方合作进入更亲密阶段，这些也将为传统媒体突破平面化、单向的传播，实现多维度报道提供了可能的思路借鉴。

综合看来，人民日报其实为自己选择一个兼顾内容与技术实力的合作平台。从李彦宏亲自出席“人民号”发布仪式，也可以看出百度方面对于此次合作的重视程度。选择权威优质内容+技术驱动，百度正在为自己的内容生态卡位战提前布局一枚枚棋子。

平台头部效应愈加明显，内容创作进入精耕期

新媒体内容平台领域，借助个性化推荐，有今日头条先品尝了甜头。但随着百度+人民日报等实力选手“打团战”入场，马太效应将成内容产业第一定律，大平台的头部效应未来将越来越明显。据了解，除了人民日报这个合作者，百家号此前与新华社、北京日报社、澎湃新闻、新京报等媒体机构达成深度合作。

百度+人民人报的此次牵手也在启迪着各大内容平台——类似今日头条等单纯Kill Time（消磨时间）的快餐式内容，一味通过驾驭技术算法“喂养”投读者所好的内容生产方式将成为过去式，只有有价值的内容，才能产生有价值的流量。有价值内容依旧是资讯平台未来的角斗场，而非只强调点击量的个性化推荐产品可比拟的。

当然，对于像笔者这样入驻平台的内容创作者而言也带来一场龙卷风式的变革。基于百家号和人民号双方账号的打通，将助力创作者实现一个内容在两个平台分发并产生双重收益的效果，多样化的创作者收益渠道，首先为优质作者赋予更多的变现方式。

同时也预示着，仅靠标题党拼10w+的自媒体将成为过去式。内容创作将结束早期盲目、无序的蛮荒时代，逐渐步入由重“量”转向重“质”的精耕阶段。

——————————

王小琉（个人微信wangxiaoliu203406），微信公号“王小琉”。科技专栏作者，前中央媒体人。

智能硬件体验者；IT＆科技领域观察者、记录者、评论者

SEO是一个泛称，由来已久。最早是出现在谷歌。后来随着国内互联网搜索发展，已经发展到百度、淘宝等平台。

国内做的最多的还是百度，虽然360搜狗等后起之秀不少，但是百度用户广，信息量大，展示好。

随着百度近年资源整合以及算法调整，SEO技术已经越来越严格。可能鉴于13年SEO技术调整，百度算法层出不穷，例如蓝天、冰桶、清风、飓风等。

“文章为皇，外链为王”是做SEO都知道事情，但是有个前提，是质还是量。13年大量垃圾外链，垃圾网站出现，百度才会出现各种算法制止，也算是对互联网进行整顿。就目前来看，质远比量重要。

SEO惊雷算法

SEO第一要素，TDK。这是文章关键所在，标题不能重复，描述要清晰，不能添加电话等，具体可看站长论坛。

大家都知道现在的优化方法分为黑帽和白帽，黑帽自然不用说，排名上得快，但是由于没有对网站内容的优化，因此对于整体运营不算好，而且一旦被百度检测到就直接K站降权。白帽相对来说会慢一些，但是会以网站内容去考虑，不仅有利于转化，而且也比较亲和搜索引擎。

白帽的手法虽然大多都是符合搜索引擎的喜好的，但是难免会有操作不当的时候，造成降权甚至K站，下面就将这些手段列出来，希望大家能避免:

1、服务器问题。这不算操作手法的问题，但是对网站的影响很大，现在百度的反应时快时慢，可能服务器关闭才半天网站就被K。

2、关键词堆砌。这是属于百度的算法规则，故意在页面或者标题描述中堆砌关键词会被当成作弊行为，从而导致降权K站。

3、大量垃圾外链。虽然百度现在会定期清除一些外链，但是绿萝算法就是针对垃圾外链新增的，因此外链处理起来还是要慎重。

4、不合规的文章内容。如文章相关度差，锚文本和加粗过多，甚至强行植入一些关键词都有可能导致降权K站，因为百度是能识别文字内容的，不要把所搜引擎当傻子。

5、robots文件限制指令。一般robots文件改一下就可以了，但是难保有的时候出现一些情况导致robots限制了全站抓取，及时发现并修改自然没问题，时间过长的话就不用我多说了。

百度算法一直在更新，我们的优化方式也一直再变化，每个阶段都有合适和不合适的优化手段，多去了解搜索引擎，去亲和它的算法才是合适优化手段。