即时、伴生、交互、联动： 终端侧智能出版创新*

《中国出版》 崔恒勇 高正熙

[摘   要]  随着移动互联网、大数据以及云计算技术的快速发展，人工智能产业也加快了与出版传媒产业融合共生的步伐。在媒体融合的时代背景下，围绕垂直用户群体建构基于终端侧的智能出版创新模式，不仅能够优化出版传媒的生产加工流程，同时也能充分利用人工智能的技术优势，实现用户需求的精准伴生画像、媒体终端的情境感知互动以及终端多屏生态联动出版等终端侧的智能出版创新。

[关键词]  融媒体   终端侧   媒体融合   出版创新   人工智能

自2017年7月国务院发布《新一代人工智能发展规划》以来，我国人工智能产业迎来井喷式发展，微软、谷歌、百度、阿里巴巴等国内外科技巨头纷纷加入人工智能产业布局的行列，人工智能也在加快与传统产业进行深度融合。就出版传媒行业而言，智能出版正成为出版创新驱动的新动能。

一、智能出版发展概述

经过60多年的发展演进，人工智能已从单向度智能应答向复合智能应用发展过渡，特别是在移动互联网、大数据、云计算以及脑科学等新理论技术的驱动下，人工智能迎来了其第三次发展浪潮。此轮的人工智能浪潮主要体现在以大数据、计算力和算法框架为核心的基础层，以计算机视觉、语音识别和自然语言处理为核心的技术层以及智慧交通、智慧金融、智慧医疗为代表的应用层等三个层面的技术发展与应用。大数据驱动的知识学习、跨媒体认知推理、人机协同融合、基于网络与数据的群体智能等成为新一轮人工智能的发展特点。人工智能作为全球新一轮产业变革的核心驱动力，将进一步释放互联网时代下科技革命所带来的巨大经济效益，重构各产业的生产、交换、消费等各个环节，形成新的发展驱动引擎，并融合催生出新技术、新业态、新模式，颠覆大众的生产生活和思维模式。尤其在知识服务方面，未来几年人工智能将优先解决资源分配失调、生产效率低下等行业突出的痛点。

人工智能技术的应用前景已给出版业带来了足够的欣喜与期待，从机器写作、数据决策到定向分发，人工智能技术的发展与成熟为智能出版的形成发展创造了良好的技术基础。智能出版实现了对数字出版的流程再造，由“编、校、审、印、发”等环节的机械数字化转向协同一体的智能数字化，智能出版将是传统数字出版之后的新业态。目前智能出版的应用成果主要集中在出版生产流程的优化与创新方面，人工智能对出版流程的最大启迪在于适时地构建了一套自动化、智能化、系统化的出版流程。在出版导向与选题策划方面，智能出版依托云端平台对海量出版行业与用户消费等数据进行抓取挖掘，并结合自身出版优势协助决策者确定相关出版选题；在内容生产与提供方面，智能出版借助人工智能技术整合与选题相关的内容数据资源，形成出版内容数据库。通过对数据库中的海量词条进行多次整理和反复迭代学习，基于神经网络和复杂算法的类人脑机器可以迅速而高产地编制出需要出版的内容；在编辑、审校和制作方面，一些文献查证、数据核验、敏感词排查等基础繁琐的工作可以由机器来完成，编辑人员可以对出版内容的创作品质和内容逻辑进行把关；在发行与市场推广方面，云端的智能化为智能出版提供了全面的市场营销数据保障，使得智能出版能够进一步地针对用户进行精准推送；同时支撑传统出版业务和数字出版业务在出版流程等方面的深度融合与优化，为用户提供品质更好的出版服务，为出版者创造更好的经济利益。

相较于面向人工智能基础层和技术层的融合发展而言，面向终端应用层的智能出版能更有效扩展出版需求、增强用户黏性和满意度、提升出版消费，更符合其大众消费的行业属性。基于终端侧的智能出版使得用户画像更加多维精准，同时也打通了用户个体、关联群体与出版主体间的数据壁垒，实现出版生产与出版需求的平台一体化；基于终端侧的智能出版将出版活动融入到人的日常场景中去，基于终端情境感知与交互，不仅极大地拓宽和延伸了出版需求领域，也使出版更加具有人的温度；基于终端侧的智能出版是以用户为中心，面向个体的时空维度，满足用户的成长需求、社会塑造、群体认同等多维需求的跨屏联动式的生态型出版。终端侧智能出版真正实现个体与群体、用户与内容的认知协调，实现了以需求感知导向的“自我出版”。

二、终端侧智能出版的特征

基于用户终端的全流程“下沉式”智能出版旨在真正地全方位了解用户需求，为用户提供基于时空维度的伴生型即时出版服务。这种面向用户群体的前向一体化智能出版模式的特征主要表现为以下四个方面。

1.用户数据体系化

终端侧智能出版的发展根基是体系化的用户数据，而数据的背后则是人。用户数据的多维化、动态化、策略化是实现终端侧智能出版用户精准画像的三个重要方面。相较于传统出版主体的“本位化”出版模式，基于终端侧的多维化用户数据主要采集目标用户的多维化角色需求及空间需求等方面的数据，如职业角色、母亲角色、工作空间、亲子空间等。该数据体系能够实时有效地掌握用户的偏好数据、行为数据、消费数据等，为满足用户多维度实时的信息出版需求提供了数据保障。相较于以往的静态节点型出版数据，基于终端侧的动态化用户数据主要采集目标用户的时间维度需求，包括短周期的上班下班、作息起居需求，长周期的个人成长需求等。该数据体系能够在用户的时间轴上持续不断地累积用户相关数据，通过建构动态化的群体共性出版需求模型和个体个性出版需求模型，为用户个体提供相应的预见控制、回顾控制等智能出版服务。相较于现有的无序化小群体用户数据分析，终端侧智能出版的数据体系是以策略化模型建构为前提的，一方面能够精准有效地搜集整理用户数据，并得以即时加权决策；另一方面也为智能出版的加工生产流程提供实时可靠依据。用户数据的体系化是终端侧智能出版的核心特征，也是其创新应用的前提。

2.出版生产即时化

相较于传统出版的生产加工模式，现阶段的智能化出版已能够在选题策划、审校纠错、排版制作等方面实现大数据运算及智能加工等功能。围绕出版行业与用户消费等体系化的数据建构，能够实时地反映相关出版领域的新动向、新热点，并为出版的选题策划提供出版可行性、出版内容形式的优劣势、出版效果预期等数据支持，为相关智能化出版决策提供强有力的数据保障。智能出版中大数据智能、群体智能、自然语言处理等技术理论的深度应用，不仅能将审校人员从繁琐而庞杂的基础工作中解放出来，而且其在批处理、低容错率等方面的优势能够极大地缩短出版流程的周期，为智能出版的即时化生产提供运算加工支持。图像自动识别、语音交互、深度学习、知识图谱生成等技术在出版领域的深度融合，能够为用户个体提供个性化且“有温度”的出版内容，同时也打破了单向出版的知识壁垒性，为智能出版建构以用户为中心的多元化知识服务体系拓展了思路。智能发行的核心任务已由传统图书的渠道发行转向了数字出版与出版服务的价值实现，其构成要素主要包括优化完善出版内容供给、提升出版消费质量、统计分析、个性化推荐和精准投递推送等。基于终端侧的智能出版能够在终端体系化数据的支持下进行云端选、编、校、制等一体化出版生产，并能实现出版需求的即时响应。

3.出版智能个性化

终端侧智能出版源于终端用户的精准画像，同时也服务于终端个体的个性化出版需求。出版智能的个性化是终端侧智能出版的优势体现，同时也是终端侧智能出版的策略依据。终端侧智能出版的个性化主要体现在个性化镜像、个性化情境及个性化目标三个方面。终端侧智能出版的个性化镜像是指借助终端用户的多维动态数据模型，利用人工智能突出的机器学习算法和深度神经网络技术，终端侧智能出版系统得以模拟用户的角色特点、行为喜好、消费习惯等个体数据画像，并延伸用户的多维角色关联特征，体系化镜像用户的个性化出版需求。终端侧智能出版的个性化情境是指依据终端用户的日常行为方式和角色轨迹特征，借助终端媒介入口数据的智能认知计算，构建用户个性化的终端情境感知与人机情境互动，实时分析用户的时空情境特征，结合用户的行为心理与消费习惯，及时做出出版响应，为用户提供适时适景的出版服务。终端侧智能出版的个性化目标是指以用户日常的智能出版活动数据为样本，参照云端同类数据样本群，并完成实时的比对优化，运用群体智能技术为用户建构基于时空维度上的个性化动态出版消费目标，既能满足用户对于自我认同的个性化出版消费需求，也能满足其对于群体归属的个性化出版消费需求。

4.出版服务多元化

终端侧智能出版的核心任务是以用户个体为中心，建构终端联屏的出版生态，满足用户多维度出版需求的新型出版模式。出版服务的多元化不仅是终端侧智能出版的优势特征，同时也是其终极目标。出版服务多元化主要体现在服务内容、服务形式及服务功能的多元化。在出版服务内容的多元化方面，终端侧智能出版除了提供常规的电子书、有声读物、资讯阅读、音像、游戏等数字出版物之外，也能针对用户的职业需求、角色需求、生活需求等个体多维需求提供多元化的出版内容服务，如技能出版、育儿出版、美食出版等。在出版服务形式的多元化方面，终端侧智能出版不仅能够提供出版品、社交互动等服务形式，还能够基于用户的动态数据模型为其提供情境交互、情感交流、智能辅导、心理矫治等服务形式。在出版服务功能的多元化方面，终端侧智能出版除了延续传统数字出版的文化传播功能、教化功能、娱乐功能和社交功能外，也借助群体智能等技术优势为用户提供自我塑造功能、社会归属功能、健康辅助功能等个体成长与社会化过程中的出版功能需求。

三、融媒体背景下终端侧智能出版应用

基于终端的智能出版在用户数据的价值挖掘、时空维度的情境感知与即时出版响应等方面的优势，不仅能够有效地提升出版服务的品质，拓展用户的消费广度；而且能够在媒介融合技术的背景下为用户提供伴生型、交互型、联动型的复合智能出版新模式。

1.基于用户精准画像的伴生型智能出版

终端侧智能出版的用户精准画像是对用户的日常行为活动的体系化数据模型建构，其具有的多维化、动态化及策略化的数据价值为技术层的加工生产提供实时数据决策依据，为实现用户的伴生型智能出版提供了基础保障。

终端侧智能出版的伴生型出版主要包含以下3个维度：首先是基于个体成长的时间维度伴生出版，作为社会中的个体，用户在时间轴上的成长轨迹具有普遍性和连续性。依据群体样本数据的参照系，为用户提供成长过程中的动态出版内容体系，在教育、心理、娱乐及健康等领域为用户提供可预见、可控制的规划型伴生出版。其次是基于个体活动的空间维度伴生出版，用户在日常社会活动中，以其移动终端为信息认识与交互入口，通过图像识别、语音识别、机器学习等感知与认知智能技术，为用户提供不同空间维度的个性化需求响应，在出行、安全、居家等空间中提供可实时认知互动的伴生型出版。最后是基于个体关系的角色维度伴生出版，社会个体在不同阶段具有不同的角色属性，其相互关联的角色诉求也有所区别。依据用户关联数据模型，通过分布式计算与深度神经网络等技术，为用户提供不同角色关系中的出版内容，在育儿、养老、职场、社交等领域提供角色准确的伴生出版。

2.基于终端情境感知的交互型智能出版

终端侧智能出版的突出优势是基于终端的情境感知，即通过终端入口获取用户主体与客观场景的融合感知，包括与用户相关的角色感知、情绪感知、活动感知、环境感知等。而基于终端情境感知的智能出版也为实现智能交互出版提供了客观的算法模型，其交互的维度主要包括内容维度的交互出版、情感维度的交互出版和角色维度的交互出版等。

内容维度的交互出版主要依据用户的实时空间环境数据，比照以往的用户角色及消费喜好等数据模型，为用户提供相应及时的知识信息等交互出版内容，如终端媒体感知用户在就餐时段厨房空间中的相应活动，并依据其以往用户行为数据为其提供美食烹饪等出版内容。情感维度的交互出版主要依据终端媒体对用户在实时空间的行为特点与生理指标等数据分析感知用户的情绪状况，如紧张、恐惧、开心等，并为用户提供及时的正负功能强化的交互出版服务。例如，通过车载媒体终端感知到用户的紧张情绪时，可通过播放一些舒缓的音乐歌曲来缓解用户的焦虑情绪。角色维度的交互出版主要依据用户的角色属性与日常的个体行为模型数据，通过云端的同类角色群体的行为模型数据库比对优化，为用户在角色社交活动中提供相应的交互出版服务，并为用户角色的认知与行为偏差提供矫正出版服务。

3.基于终端多屏生态的联动型智能出版

终端侧智能出版的终端媒介并非是单一固定的移动终端，而是基于用户活动轨迹的跨屏联动、多屏联动、终端生态联动的智能出版模式。终端跨屏联动型智能出版主要依据用户活动空间的变化，实现终端媒介的智能响应与智能跨屏，并提供无缝对接的跨媒介出版服务。例如用户在室内空间使用电子书阅读器阅读出版品，在移动至汽车空间内时，可实现车载媒体的智能响应，并自动切换成有声读物。终端多屏联动型智能出版主要依据用户活动内容的属性不同，实现用户数据模型分类共享，建构用户终端的多屏联动模式，并完成关联内容的延伸出版。例如白天用户在视频媒体中观赏了美食类节目，并对其中菜品产生了喜爱，晚上当用户移动至厨房空间时，终端媒体会智能推送该菜品制作的出版内容。终端生态联动型智能出版主要是围绕用户的角色、行为、喜好、需求等多维数据，建构优化用户的出版需求体系，同时能够为用户提供时空维度上的需求规划和自我塑造。基于终端多屏生态的联动型智能出版是终端侧智能出版的数据保障与核心特色。

四、结语

终端侧智能出版是人工智能技术与出版业融合发展的重点方向。它既符合了出版业大众传播的行业属性，也满足了用户个体的个性化需求。终端侧智能出版真正体现了以用户为中心的出版运营模式，将出版服务融入到个人的成长活动轨迹之中，不仅拓展了出版消费的深度与广度，同时也将出版服务的社会价值提升到新的高度。在媒体融合的时代背景下，终端侧智能出版为出版业的转型升级提供了新的应用思路。

（作者单位：北京印刷学院）

*本文系北京市教育委员会社科计划项目（SM201710015005）阶段性成果

参考文献：

[1]范军，陈川.人工智能在欧美学术出版领域的应用及其启示[J].河南大学学报，2020（1）

[2]唐学贵.智能化，引领出版融合创新发展[J].出版广角，2019（18）

[3]杨铮，刘麟霄.人工智能环境下的出版流程重塑与内容生产革新[J].编辑之友，2019（11）

[4]张弛.大数据时代中国出版产业链的重构[D].武汉：华中科技大学，2015：179

[5]王晓光.人工智能与出版未来[J].科技与出版，2017（11）

[6]胡正荣.传统媒体与新兴媒体融合的关键与路径[J].新闻与写作，2015（5）

[7]李其名，姚君喜.工业4.0时代智能化出版发展路径[J].出版科学，2017（5）

[8]袁舒婕.出版是否要步入人工智能新时代？[N].中国新闻出版广电报，2017-12-28

[9]牟智佳.学习者数据肖像支撑下的个性化学习路径破解——学习计算的价值赋予[J].远程教育杂志，2016（6）

[10]何清，李宁，罗文娟，等.大数据下的机器学习算法综述[J].模式识别与人工智能，2014（4）