□文│張 超 閃雪萌 劉 娟

長(zhǎng)久以來(lái)新聞業(yè)不被視為理想類型的專業(yè)，因?yàn)橛浾呒寄艿膶I(yè)化程度有所欠缺。但由于新聞業(yè)對(duì)公共服務(wù)的承諾和對(duì)自主性的要求，又被認(rèn)為是一個(gè)專業(yè)。[1］新媒體時(shí)代專業(yè)新聞生產(chǎn)者的內(nèi)容生產(chǎn)特權(quán)被打破，采編技能被大規(guī)?！皹I(yè)余化”了，[2］新聞業(yè)面臨“去專業(yè)化”的危機(jī)，直接蠶食自身合法性。今天公眾對(duì)媒體專業(yè)性的要求并未降低，而在提高。[3］數(shù)據(jù)新聞的誕生為提升新聞專業(yè)性提供了契機(jī)。

數(shù)據(jù)新聞以數(shù)據(jù)作為認(rèn)識(shí)現(xiàn)實(shí)的“原材料”、以數(shù)據(jù)科學(xué)作為求真的方法論、以數(shù)據(jù)可視化作為表征現(xiàn)實(shí)的手段。數(shù)據(jù)科學(xué)方法論將數(shù)據(jù)新聞與計(jì)算機(jī)輔助報(bào)道、精確新聞、圖解新聞區(qū)分開(kāi)來(lái)。數(shù)據(jù)科學(xué)是在大數(shù)據(jù)背景下誕生的新興學(xué)科，是計(jì)算機(jī)科學(xué)、數(shù)學(xué)和統(tǒng)計(jì)學(xué)以及專業(yè)知識(shí)的交集。[4］

數(shù)據(jù)新聞?wù)诮?gòu)自身專業(yè)話語(yǔ)，還未完成專業(yè)塑造，如何評(píng)價(jià)數(shù)據(jù)新聞的專業(yè)性成為新問(wèn)題。全球數(shù)據(jù)新聞獎(jiǎng)自2012年設(shè)立以來(lái)代表全球數(shù)據(jù)新聞實(shí)踐的最高水平，國(guó)內(nèi)外對(duì)該獎(jiǎng)項(xiàng)作品的研究還未深入觸及數(shù)據(jù)科學(xué)方法論。本研究以2013～2018年的獲獎(jiǎng)作品為研究對(duì)象，管窺當(dāng)前數(shù)據(jù)新聞在數(shù)據(jù)科學(xué)上的專業(yè)水準(zhǔn)和發(fā)展趨勢(shì)。

一、全球數(shù)據(jù)新聞獎(jiǎng)作品對(duì)數(shù)據(jù)科學(xué)的應(yīng)用

如何從數(shù)據(jù)科學(xué)角度評(píng)價(jià)全球數(shù)據(jù)新聞獎(jiǎng)作品？本文從數(shù)據(jù)采集方式、數(shù)據(jù)體量、數(shù)據(jù)類型、數(shù)據(jù)分析方法和數(shù)據(jù)處理難度五個(gè)維度進(jìn)行分析。[5］

1.數(shù)據(jù)采集

作為專業(yè)的職業(yè)應(yīng)擁有充分的自主性，保證其實(shí)現(xiàn)公共利益，形成特定的聲譽(yù)。[6］記者在數(shù)據(jù)采集時(shí)對(duì)數(shù)據(jù)科學(xué)方法的使用，讓一些重要數(shù)據(jù)采集的控制權(quán)轉(zhuǎn)移到記者手中，一定程度上提升了新聞生產(chǎn)的專業(yè)性和自主性，但這種提升有限。

在可識(shí)別的樣本（n=36）中，利用數(shù)據(jù)科學(xué)方法采集數(shù)據(jù)的樣本有6個(gè)，僅占16.7%。如“醫(yī)藥幻覺(jué)”網(wǎng)站（Medicamentalia.org）用編程語(yǔ)言抓取發(fā)展中國(guó)家藥品價(jià)格數(shù)據(jù)庫(kù)中的數(shù)據(jù)；美國(guó)國(guó)家公共電臺(tái)的《特朗普和克林頓第一次辯論的事實(shí)核查》（Fact Check: Trump and Clinton Debate for the First Time）利用語(yǔ)音實(shí)時(shí)轉(zhuǎn)錄文字的技術(shù)，用編程方法獲得辯論的原始數(shù)據(jù)。記者利用數(shù)據(jù)科學(xué)方法獨(dú)立采集數(shù)據(jù)的比例較低，一方面因?yàn)榇罅繑?shù)據(jù)掌握在政府和企業(yè)手中，記者可通過(guò)多種途徑獲取到；另一方面，一些媒體并未掌握專業(yè)的數(shù)據(jù)采集方法，只能依賴現(xiàn)成數(shù)據(jù)集。

2.數(shù)據(jù)體量

大數(shù)據(jù)時(shí)代已經(jīng)來(lái)臨，對(duì)數(shù)據(jù)新聞而言，多大體量的數(shù)據(jù)才能稱得上“大數(shù)據(jù)”？路透新聞研究所《媒體大數(shù)據(jù)》（Big Data for Media）報(bào)告認(rèn)為，大數(shù)據(jù)是用太字節(jié)（TB）及以上的單位衡量的。國(guó)際調(diào)查記者聯(lián)盟的《巴拿馬文件》（The Panama Papers）包含2.6太字節(jié)數(shù)據(jù)、1150萬(wàn)份資料，可以稱得上大數(shù)據(jù)新聞。

更多的樣本未提供數(shù)據(jù)體量的說(shuō)明，本文借用記錄數(shù)評(píng)價(jià)這一指標(biāo)。記錄數(shù)是一個(gè)數(shù)據(jù)集的行數(shù)，達(dá)到“萬(wàn)級(jí)”可評(píng)價(jià)為數(shù)據(jù)體量較大，達(dá)到“百萬(wàn)級(jí)”的可歸為大數(shù)據(jù)。在可識(shí)別的樣本（n=30）中，記錄數(shù)達(dá)到“千級(jí)”的有14個(gè)樣本，“萬(wàn)級(jí)”的有8個(gè)，“百萬(wàn)級(jí)”的有3個(gè)。

如果將記錄數(shù)轉(zhuǎn)換成數(shù)據(jù)體量，大部分樣本是小數(shù)據(jù)。置身大數(shù)據(jù)時(shí)代，為何小數(shù)據(jù)是“主角”？一方面是數(shù)據(jù)新聞制作周期的制約。基于大數(shù)據(jù)的數(shù)據(jù)新聞生產(chǎn)勢(shì)必占用更多的新聞采編資源和更長(zhǎng)的生產(chǎn)周期，是否值得為大數(shù)據(jù)新聞投入更多資源需要媒體權(quán)衡。另一方面是處理大數(shù)據(jù)的能力問(wèn)題。一些媒體“有心”，卻“無(wú)力”處理大數(shù)據(jù)。

3.數(shù)據(jù)類型

數(shù)據(jù)類型可分為結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)。結(jié)構(gòu)化數(shù)據(jù)是存儲(chǔ)在數(shù)據(jù)庫(kù)中具有一定邏輯結(jié)構(gòu)和物理結(jié)構(gòu)的數(shù)據(jù)，日常新聞處理的數(shù)據(jù)基本上是結(jié)構(gòu)化數(shù)據(jù)；非結(jié)構(gòu)化數(shù)據(jù)是結(jié)構(gòu)化數(shù)據(jù)以外的數(shù)據(jù)，它不存儲(chǔ)在數(shù)據(jù)庫(kù)中，而是以各種類型的文本形式存放，[7］如文本、視頻、音頻、網(wǎng)絡(luò)日志等數(shù)據(jù)。

在可識(shí)別的樣本（n=33）中，完全使用結(jié)構(gòu)化數(shù)據(jù)的樣本有16個(gè)，完全使用非結(jié)構(gòu)化數(shù)據(jù)的有9個(gè)，結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)結(jié)合的樣本有8個(gè)（見(jiàn)表1）。

表1 2013～2018年全球數(shù)據(jù)新聞獎(jiǎng)作品數(shù)據(jù)類型統(tǒng)計(jì)

17個(gè)樣本包含了非結(jié)構(gòu)化數(shù)據(jù)，說(shuō)明數(shù)據(jù)新聞在處理數(shù)據(jù)類型上有了很大進(jìn)步，這是數(shù)據(jù)新聞業(yè)者在數(shù)據(jù)科學(xué)專業(yè)技能上的關(guān)鍵突破。

4.數(shù)據(jù)分析方法

數(shù)據(jù)分析方法有很多種，數(shù)據(jù)新聞常用的數(shù)據(jù)分析方法有描述性數(shù)據(jù)分析、探索性數(shù)據(jù)分析、數(shù)據(jù)庫(kù)/數(shù)據(jù)倉(cāng)庫(kù)、機(jī)器學(xué)習(xí)和信息檢索等。

在可識(shí)別的樣本（n=31）中，20個(gè)樣本包含描述性和探索性數(shù)據(jù)分析，9個(gè)樣本僅有描述性數(shù)據(jù)分析。個(gè)別樣本結(jié)合了數(shù)據(jù)庫(kù)與數(shù)據(jù)倉(cāng)庫(kù)（3個(gè)）、機(jī)器學(xué)習(xí)（2個(gè)）等數(shù)據(jù)分析方法（見(jiàn)表2）。

表2 2013～2018年全球數(shù)據(jù)新聞獎(jiǎng)作品數(shù)據(jù)分析方法統(tǒng)計(jì)

現(xiàn)實(shí)是復(fù)雜的，映射現(xiàn)實(shí)的數(shù)據(jù)也是復(fù)雜的，這要求記者在解釋復(fù)雜問(wèn)題時(shí)運(yùn)用多種數(shù)據(jù)分析方法。加拿大《環(huán)球郵報(bào)》的《無(wú)據(jù)可依》（Unfounded）運(yùn)用“無(wú)根據(jù)”結(jié)案率的均值、極值、分布情況進(jìn)行了描述性數(shù)據(jù)分析，還利用相關(guān)性檢驗(yàn)探索了女性警察和“無(wú)根據(jù)”結(jié)案率的相關(guān)性。

國(guó)際調(diào)查記者聯(lián)盟的《瑞士泄密》（Swiss Leaks）的原始文件十分龐大，賬戶信息散布在看似毫無(wú)關(guān)聯(lián)的數(shù)萬(wàn)個(gè)文件中，傳統(tǒng)的人工挖掘方式已無(wú)法分析這些龐雜的非結(jié)構(gòu)化數(shù)據(jù)，作品用圖形數(shù)據(jù)庫(kù)（Neo4j）處理高度聯(lián)系的數(shù)據(jù)和復(fù)雜的問(wèn)詢，并將這種聯(lián)系轉(zhuǎn)化為圖形節(jié)點(diǎn)，探索節(jié)點(diǎn)之間的聯(lián)系，這是將數(shù)據(jù)庫(kù)與信息檢索相結(jié)合的技術(shù)。

5.數(shù)據(jù)處理難度

本文將數(shù)據(jù)處理難度分為低、中、較高、高四個(gè)等級(jí)：①直接呈現(xiàn)原數(shù)據(jù)的評(píng)定為“低”；②描述了一維數(shù)據(jù)的數(shù)字特征和分布特征，如均值、中位數(shù)、眾數(shù)、方差、分布函數(shù)等，評(píng)定為“中”；③描述了數(shù)據(jù)的特征，還運(yùn)用了多元統(tǒng)計(jì)分析的研究方法，如相關(guān)分析、回歸分析、降維分析、聚類分析或簡(jiǎn)單編程，評(píng)定為“較高”；④建立了數(shù)學(xué)模型，進(jìn)行大數(shù)據(jù)挖掘或算法創(chuàng)新與改進(jìn)，評(píng)定為“高”。后三個(gè)等級(jí)可評(píng)價(jià)為“專業(yè)”。

在可識(shí)別的樣本（n=34）中，在數(shù)據(jù)處理方面評(píng)價(jià)為“低”和達(dá)到“專業(yè)”水平的各有17個(gè)樣本（見(jiàn)表3）。一半多的作品直接呈現(xiàn)了原始數(shù)據(jù)，進(jìn)行了簡(jiǎn)單的數(shù)量、百分比統(tǒng)計(jì)。

表3 2013～2018年全球數(shù)據(jù)新聞獎(jiǎng)作品數(shù)據(jù)處理難度統(tǒng)計(jì)

也有一些作品在數(shù)據(jù)處理難度上體現(xiàn)了較高的水準(zhǔn)。“嗡嗡喂”（BuzzFeed）的《隱藏的空中偵察機(jī)》（Hidden Spyplanes）利用飛行網(wǎng)站的大量飛行跟蹤數(shù)據(jù)，通過(guò)機(jī)器學(xué)習(xí)算法找出疑似聯(lián)邦調(diào)查局或國(guó)土安全部飛機(jī)的飛行軌跡。算法先定義了一些飛行特征指標(biāo)，如轉(zhuǎn)彎速度、飛行高度和速度等，然后訓(xùn)練隨機(jī)森林算法區(qū)分、標(biāo)記好的普通飛機(jī)和偵察機(jī)數(shù)據(jù)，算法自己決定區(qū)分指標(biāo)，用訓(xùn)練好的隨機(jī)森林算法來(lái)區(qū)分未標(biāo)記的飛行數(shù)據(jù)。

《環(huán)球郵報(bào)》的《快錢》（Easy Money）定義了一個(gè)全新的統(tǒng)計(jì)指標(biāo)：國(guó)家證券犯罪累犯率。記者通過(guò)反復(fù)計(jì)算、實(shí)地調(diào)研驗(yàn)證了該指標(biāo)的準(zhǔn)確性，揭示了該國(guó)治理金融市場(chǎng)的問(wèn)題。

如果給每個(gè)等級(jí)賦分，評(píng)定為“低”得0分，評(píng)定為“中”得1分，評(píng)定為“較高”得2分，評(píng)定為“高”得3分，樣本平均得分僅為0.94分。可見(jiàn)即便是全球數(shù)據(jù)新聞獎(jiǎng)，相當(dāng)比例的作品在數(shù)據(jù)處理難度上很低，許多作品的主要精力仍放在了數(shù)據(jù)結(jié)果的呈現(xiàn)上。

二、數(shù)據(jù)新聞在數(shù)據(jù)科學(xué)領(lǐng)域的應(yīng)用趨勢(shì)

在樣本中，數(shù)據(jù)新聞作品在數(shù)據(jù)科學(xué)專業(yè)性的各個(gè)指標(biāo)上高低不均，總體上看，相當(dāng)多的作品在數(shù)據(jù)科學(xué)上還有很大的提升空間。隨著智媒時(shí)代的到來(lái)，數(shù)據(jù)新聞在數(shù)據(jù)科學(xué)應(yīng)用方面將呈現(xiàn)以下趨勢(shì)。

1.自建數(shù)據(jù)庫(kù)：提供個(gè)性化服務(wù)，創(chuàng)新盈利模式

在開(kāi)放數(shù)據(jù)運(yùn)動(dòng)的推動(dòng)下，記者接觸的免費(fèi)數(shù)據(jù)集越來(lái)越多，一些媒體具備了自行采集各類數(shù)據(jù)的能力。無(wú)論是作為一種產(chǎn)品形態(tài)，還是一種數(shù)據(jù)科學(xué)分析方法，數(shù)據(jù)庫(kù)日益受到媒體重視。全球數(shù)據(jù)新聞獎(jiǎng)也設(shè)置了“開(kāi)放數(shù)據(jù)獎(jiǎng)”鼓勵(lì)媒體公開(kāi)與公共利益密切相關(guān)的數(shù)據(jù)庫(kù)。自建數(shù)據(jù)庫(kù)主要有以下兩種方式。

現(xiàn)有數(shù)據(jù)集的質(zhì)量提升。媒體將開(kāi)放數(shù)據(jù)集整理、清洗后變成數(shù)據(jù)質(zhì)量更高的開(kāi)放數(shù)據(jù)庫(kù)。在各國(guó)政府的開(kāi)放數(shù)據(jù)集中，很多存在數(shù)據(jù)質(zhì)量和格式問(wèn)題，公眾想獲得高質(zhì)量的數(shù)據(jù)并不容易。媒體借助既有的開(kāi)放數(shù)據(jù)集進(jìn)行二次加工，不需要額外付費(fèi)，既可以節(jié)省成本，又有助于提升數(shù)據(jù)庫(kù)的利用率，樹立媒體為公眾服務(wù)的品牌形象。

創(chuàng)建“利基”數(shù)據(jù)庫(kù)，即面向特定細(xì)分市場(chǎng)的數(shù)據(jù)庫(kù)。媒體依據(jù)調(diào)查研究的問(wèn)題，將開(kāi)放數(shù)據(jù)、信息公開(kāi)數(shù)據(jù)、“泄露”數(shù)據(jù)、自行采集的數(shù)據(jù)進(jìn)行系統(tǒng)整合，創(chuàng)建更具個(gè)性特點(diǎn)和用戶體驗(yàn)的數(shù)據(jù)庫(kù)，可瞄準(zhǔn)利基市場(chǎng)，為特定用戶開(kāi)展深度服務(wù)。自建數(shù)據(jù)庫(kù)還有助于媒體積累數(shù)據(jù)資源，提升數(shù)據(jù)新聞生產(chǎn)效率。2016年半島電視臺(tái)獲“年度最佳突發(fā)新聞數(shù)據(jù)使用獎(jiǎng)”的作品《脫軌美鐵列車：死亡曲線上的飛馳》（Derailed Amtrak Train Sped into Deadly Crash Curve）之所以能在短時(shí)間內(nèi)完成，在于記者一年前就積累了相關(guān)數(shù)據(jù)。

自建數(shù)據(jù)庫(kù)通過(guò)交互設(shè)計(jì)、權(quán)威數(shù)據(jù)、與公共利益相關(guān)，建立起與用戶的“強(qiáng)關(guān)系”，實(shí)現(xiàn)社會(huì)效益和經(jīng)濟(jì)效益的雙贏。作為數(shù)據(jù)產(chǎn)品，數(shù)據(jù)庫(kù)有多種盈利模式：①利用數(shù)據(jù)庫(kù)帶來(lái)的流量，進(jìn)行廣告的二次售賣。②提供數(shù)據(jù)集下載收費(fèi)服務(wù)。③基于數(shù)據(jù)庫(kù)提供面向用戶的針對(duì)性服務(wù)。

2.擁抱非結(jié)構(gòu)化數(shù)據(jù)：展現(xiàn)更廣闊的社會(huì)現(xiàn)實(shí)

全世界數(shù)據(jù)中80%是非結(jié)構(gòu)化數(shù)據(jù)，擁抱非結(jié)構(gòu)化數(shù)據(jù)是大數(shù)據(jù)時(shí)代新聞生產(chǎn)的必然選擇。樣本中包含非結(jié)構(gòu)化數(shù)據(jù)的作品占50%，未來(lái)非結(jié)構(gòu)數(shù)據(jù)在數(shù)據(jù)新聞生產(chǎn)中的比重將進(jìn)一步加大。

數(shù)據(jù)新聞對(duì)非結(jié)構(gòu)化數(shù)據(jù)的接納有以下原因。

開(kāi)放數(shù)據(jù)的局限阻礙數(shù)據(jù)新聞生產(chǎn)。2016年萬(wàn)維網(wǎng)基金會(huì)發(fā)布的《開(kāi)放數(shù)據(jù)晴雨表》顯示，在抽查的政府?dāng)?shù)據(jù)集中，只有10%是完全開(kāi)放的，很多數(shù)據(jù)集還存在質(zhì)量問(wèn)題。非結(jié)構(gòu)化數(shù)據(jù)比結(jié)構(gòu)化數(shù)據(jù)更遍在、易得，能為媒體提供更多的數(shù)據(jù)題材，更好地實(shí)現(xiàn)監(jiān)測(cè)社會(huì)的功能。

非結(jié)構(gòu)化數(shù)據(jù)比結(jié)構(gòu)化數(shù)據(jù)更“誠(chéng)實(shí)”。結(jié)構(gòu)化數(shù)據(jù)的處理依賴統(tǒng)計(jì)學(xué)方法，統(tǒng)計(jì)學(xué)方法注重假設(shè)、抽樣，不追求全樣本，在現(xiàn)實(shí)表征中存在一定程度的偏差。非結(jié)構(gòu)化數(shù)據(jù)則包含完整、連續(xù)的信息和關(guān)鍵細(xì)節(jié)，在現(xiàn)實(shí)表征中更可靠、可信。

媒體數(shù)據(jù)科學(xué)應(yīng)用能力的提升。現(xiàn)在國(guó)內(nèi)外一些主流媒體或雇傭程序員、或通過(guò)合作方式，提升自身對(duì)非結(jié)構(gòu)化數(shù)據(jù)的處理能力。非結(jié)構(gòu)化數(shù)據(jù)挖掘與處理能力將是未來(lái)衡量媒體數(shù)據(jù)新聞生產(chǎn)能力的重要標(biāo)準(zhǔn)，帶來(lái)的是數(shù)據(jù)新聞生產(chǎn)的“破壞式創(chuàng)新”。誰(shuí)有能力處理非結(jié)構(gòu)化數(shù)據(jù)，誰(shuí)就能夠在大數(shù)據(jù)時(shí)代占據(jù)主動(dòng)權(quán)。

3.配置機(jī)器學(xué)習(xí)：提升大數(shù)據(jù)處理與洞察能力

數(shù)據(jù)新聞生產(chǎn)智能化也是未來(lái)重要的發(fā)展趨勢(shì)，機(jī)器學(xué)習(xí)有望在未來(lái)幾年內(nèi)成為記者處理大規(guī)模數(shù)據(jù)集的“標(biāo)配”技術(shù)。

機(jī)器學(xué)習(xí)主要有三類：監(jiān)督學(xué)習(xí)、無(wú)監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)。監(jiān)督學(xué)習(xí)又稱有導(dǎo)師學(xué)習(xí)，指在訓(xùn)練期間有一個(gè)外部“老師”告訴網(wǎng)絡(luò)每個(gè)輸入向量的正確的輸出向量，讓程序“照章辦事”。無(wú)監(jiān)督學(xué)習(xí)又稱無(wú)導(dǎo)師學(xué)習(xí)，指網(wǎng)絡(luò)只面向外界，在沒(méi)有任何指導(dǎo)的情形下構(gòu)建其內(nèi)部表征，[8］讓程序“自我發(fā)現(xiàn)”，如尋找聚類和異常檢測(cè)。強(qiáng)化學(xué)習(xí)是以環(huán)境反饋（獎(jiǎng)/懲信號(hào)）作為輸入，以統(tǒng)計(jì)和動(dòng)態(tài)規(guī)劃（Dynamic Programming）技術(shù)為指導(dǎo)的一種學(xué)習(xí)方法。[9］通俗地說(shuō)就是基于環(huán)境采取何種行動(dòng)以獲取最大預(yù)期收益。

基于以上分類，機(jī)器學(xué)習(xí)在數(shù)據(jù)新聞的應(yīng)用有三個(gè)方面。

分類和預(yù)測(cè)。監(jiān)督學(xué)習(xí)能幫助記者快速識(shí)別和獲取所需的數(shù)據(jù)。這種方法特別適用于處理批量、有規(guī)律的數(shù)據(jù)。記者還可利用監(jiān)督學(xué)習(xí)中的回歸分析對(duì)數(shù)據(jù)進(jìn)行預(yù)測(cè)。《亞特蘭大憲法報(bào)》的《醫(yī)生與性侵》（Doctors & Sex Abuse）在數(shù)據(jù)采集環(huán)節(jié)先由記者用50個(gè)爬蟲程序從美國(guó)醫(yī)療系統(tǒng)中爬取10萬(wàn)多份醫(yī)生紀(jì)律處分文件，用機(jī)器學(xué)習(xí)清理分析文件，檢索涉及性侵行為的關(guān)鍵詞。[10］監(jiān)督學(xué)習(xí)的優(yōu)劣很大程度上取決于算法設(shè)計(jì)和“訓(xùn)練”數(shù)據(jù)的可靠性，否則數(shù)據(jù)結(jié)果會(huì)出錯(cuò)。

洞察。面對(duì)海量數(shù)據(jù)，記者的認(rèn)知和經(jīng)驗(yàn)是有限的，單純依靠記者設(shè)計(jì)的監(jiān)督學(xué)習(xí)算法可能會(huì)“撿了芝麻丟了西瓜”。無(wú)監(jiān)督學(xué)習(xí)能自主尋找海量數(shù)據(jù)間的關(guān)聯(lián)，識(shí)別數(shù)據(jù)中“隱藏的結(jié)構(gòu)”。美聯(lián)社記者運(yùn)用無(wú)監(jiān)督學(xué)習(xí)從14萬(wàn)條人工輸入的案件記錄中找到槍支濫用的典型案件，推算出如果案件涉及孩子或警察，犯罪嫌疑人故意開(kāi)槍的概率等。[11］

決策。強(qiáng)化學(xué)習(xí)可幫助記者在具體環(huán)境下決策，這一學(xué)習(xí)方法在新聞生產(chǎn)中還較為少見(jiàn)。著名的“阿爾法狗”使用的就是強(qiáng)化學(xué)習(xí)?！都~約時(shí)報(bào)》推出的“石頭、剪刀、布”（Rock-Paper-Scissors）互動(dòng)頁(yè)面，系統(tǒng)利用一個(gè)人出手勢(shì)的傾向和模式來(lái)獲得優(yōu)于對(duì)手的優(yōu)勢(shì)。[12］在新聞推送中，一些媒體會(huì)利用強(qiáng)化學(xué)習(xí)確定最有效的頭條新聞和內(nèi)容推送方案。

三、結(jié)語(yǔ)

在大數(shù)據(jù)遍在、人工智能高速發(fā)展的當(dāng)下，數(shù)據(jù)新聞業(yè)需要繼續(xù)提升數(shù)據(jù)科學(xué)專業(yè)水準(zhǔn)，增強(qiáng)自身的專業(yè)性和不可替代性，才能實(shí)現(xiàn)專業(yè)塑造，鞏固新聞業(yè)的合法地位，滿足公眾對(duì)新聞業(yè)的期待。

注釋：

[1］[6］李艷紅.重塑專業(yè)還是遠(yuǎn)離專業(yè)?——從認(rèn)知維度解析網(wǎng)絡(luò)新聞業(yè)的職業(yè)模式[J］.新聞?dòng)浾撸?012（12）

[2］周紅豐，吳曉平.重思新聞業(yè)危機(jī):文化的力量——杰弗里·亞歷山大教授的文化社會(huì)學(xué)反思[J］.新聞?dòng)浾撸?015（3）

[3］彭蘭.更好的新聞業(yè)，還是更壞的新聞業(yè)？——人工智能時(shí)代傳媒業(yè)的新挑戰(zhàn)[J］.中國(guó)出版，2017（24）

[4］葉鷹，馬費(fèi)成.數(shù)據(jù)科學(xué)興起及其與信息科學(xué)的關(guān)聯(lián)[J］.情報(bào)學(xué)報(bào)，2015（6）

[5］本研究對(duì)樣本的選取方式是在剔除鏈接失效的獲獎(jiǎng)作品后，依據(jù)前期設(shè)計(jì)的分析類目辨識(shí)剩余樣本。由于不是所有的樣本提供原始數(shù)據(jù)下載或制作方法介紹，有些類目無(wú)法辨識(shí)，所以不同類目的可識(shí)別樣本數(shù)不同。

[7］張枝令.結(jié)構(gòu)化數(shù)據(jù)及非結(jié)構(gòu)化數(shù)據(jù)的分類方法[J］.寧德師專學(xué)報(bào)（自然科學(xué)版），2017（4）

[8］楊盛春，賈林祥.神經(jīng)網(wǎng)絡(luò)內(nèi)監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)之比較[J］.徐州建筑職業(yè)技術(shù)學(xué)院學(xué)報(bào)，2006（3）

[9］王雪松，程玉虎.機(jī)器學(xué)習(xí)理論、方法及應(yīng)用[M］.北京：科學(xué)出版社，2009：5

[10］調(diào)查記者編輯協(xié)會(huì).2016美國(guó)數(shù)據(jù)新聞獎(jiǎng)揭曉，深度報(bào)道再添范例[EB/OL］.https://cn.gijn.org/2017/01/25/2016

[11］余婷，陳實(shí).人工智能在美國(guó)新聞業(yè)的應(yīng)用及影響[J］.新聞?dòng)浾撸?018（4）

[12］Bradshaw.Data journalism’s AI opportunity：the 3 different types of machine learning & how they have already been used[EB/OL］.https://onlinejournalismblog.com/2017/12/14/data-journalisms-ai-opportunity-the-3-different-types-of-machine-learning-how-they-havealready-been-used