智能编辑部再进一步？体育媒体GiveMeSport如何用AI管理2500万用户

超越BBC Sport和Bleacher Report，利用自家专有技术在脸书上拥有近2500万粉丝的英国体育媒体GiveMeSport，近日又利用新东家Breaking Data的人工智能技术帮助自己更进一步。

全媒派（quanmeipai）编译DIGIDAY一文，试图揭开GiveMeSport背后，AI在新闻编辑部的应用之谜。

 密切跟进社交媒体用语

英国的体育媒体GiveMeSport利用自己的专有技术将Facebook上的粉丝数量提升到了2500万。现在，它又从自己的新东家Breaking Data那里将AI技术进行集合，进一步提升自己的竞争优势。

GiveMeSport大胆地将AI技术应用在了两大新闻领域——分析型和感受型新闻以及突发新闻。在这之前，网站上每个月生产约2000篇文章，由团队中的14名专业撰稿人和50名自由撰稿人完成，而其中大部分都是感受型新闻。

新技术的使用也使得撰稿人有更充裕的时间去完成1500词左右的长篇文章，而这些长文往往能够提供更多的广告空间。

于2016年年底收购了GiveMeSport的，是一家加拿大科技公司Breaking Data，该公司CEO Nick Thain说道，“全球范围内有很多有才能的AI团队，而Breaking Data与他们的不同之处就在于，Breaking Data在不断地学习社交媒体上的语言，包括缩写词、网络用语，以及这些流行语是如何被运用、如何变化的。比如我们会关注‘Throwback Thursday’这个说法最开始是怎么流行起来的。”

下面让我们来看看媒体在新闻编辑室中使用AI技术的秘诀。

新闻收集和事件识别

目前，GiveMeSport正在使用Breaking Data的技术，对其他公开数据来源进行信息整合。Breaking Data的自然语言处理技术，可以实现以秒为单位对Twitter内容的扫描，围绕预定的关键字，如运动队、球员姓名、队名、俱乐部、联赛或体育场地等，筛选相关的推文。

这些内容经过筛选和验证，被编排进“重大事件”、“相关新闻”或“大新闻”等类别，然后向BreakingSports Slack频道的记者发送通告，使得编辑组能领先一步进行报道，这一技术的优越性尤其体现在新闻频发的时间段，例如球员转会期间。

虽然有无数的社交平台内容整合工具可用，但Thain表示自家的AI平台可以通过识别可信和可靠的来源，把有可能不准确的消息进行验证。例如，当官方宣布球员内马尔将以2.61亿美元的转会费加入PSG，该平台可以追踪到这一内容首次出现在Twitter的时间，并且把发布这一消息的账号标示成可信的消息源。

随着AI平台对语言的理解能力的提升，它可以识别特定区域范围内的信息偏差。

比如说，它正在监测半径1英里范围内发送的推特帖子。试想，在这个范围内，有一名经常发帖的理疗师，然而在某一天特别辛苦的工作后，他发了一大堆抱怨工作量的推文，这一频率和话题的变化将被记录下来，并将提示发送给Slack频道的记者，然后他们可以联系具体的俱乐部，并调查是否有球员受伤。

管理脸书的消息发布

脸书是目前各大媒体最大的发布平台，GiveMeSport的记者也为他们的文章撰写了脸书的推文和标题。GiveMeSport将自家专有技术嵌入到内容管理系统中，该技术可以为文章能获得高点击率或者高参与度的可能性打分，而避免成为单纯的标题党。该技术分析了单词组合、句子结构和图像将如何与目标受众产生共鸣。

“这种分析可能很简单，比如单纯地找出文章中抓人的关键词，但脸书的用户已经厌倦那些词了，或者分析到曼联粉丝并不喜欢被称为‘曼联（Manchester United）’和‘红魔’”，Thain解释道。“这项技术能够很好地支持我们的编辑，并发挥他们的优势。”

 “平台发布是一门科学，我们不想光靠运气。而AI帮助我们发挥了自己的优势。”Thain如是说。

将内容与情感相连

GiveMeSport目前正在通过人力完成一个项目。在这个项目中，撰稿人根据大约30种预先确定的情感，对CMS中的每一个故事进行标记。

这30多种情绪不仅仅停留在快乐和悲伤的层次，它包含集体主义的、有争议的或有共鸣的等等。撰稿人根据故事所能满足的情感对这些内容进行分类，而AI可以根据历史数据来分析。这背后的理论支撑是，理解深层次的情绪以及它们如何与用户产生互动，就可以预测受众行为。

“体育与情感密不可分，”Thain说，“这关乎归属感，关乎与人分享你阅读过的东西，关乎让人感觉一个故事是不可错过的，或者你与它有什么关系。”