Techmeme 女编辑 Megan McCarthy 访谈录

知名媒体 Techmeme 是一个半自动化 IT 新闻聚合网站,它每隔5分钟更新一次,是当今最具创新的新闻聚合媒体。08年12月,Techmeme 首次迎来了一位真正的编辑, 自由女作家 Megan McCarthy。McCarthy 的职责是保证 Techmeme 上的内容质量,并保证那些最新的重要消息没被错过。这看上去是一个很有趣的职业,一个半人半机器的新闻聚合工具。以下是 ReadWriteWeb 对 Megan McCarthy 的访谈。

 

Techmeme 编辑的日常工作

Marshall Kirkpatrick: 你每天都做什么?我猜想你站在那些很厉害的新闻聚合机器的旁边,照看它们,保证它们正常运行,还要自己找一些未被发现的新闻,是不是这样?

Megan McCarthy: 基本是。我要保证 Techmeme 上的新闻是当前技术界的真实写照,有时是去掉一些不相关的新闻,有时是加入一些应该关注的。

Marshall: 能不能告诉我们一点你的个人背景。

Megan: 我的个人背景有点乱。在给 Valleywag 写文章之前,我在不同的地方,不同的职业之间东奔西走,在夏威夷住了几年,从事过几种乏味的办公室工作和自由职业,但我喜欢关注技术,喜欢看一些硅谷的新闻,我从小就对新闻上瘾。

新闻筛选

Marshall: 你的加入有没有影响到 Techmeme 新闻的客观性?

Megan: Techmeme 是有自己倾向的,而且一直这样,如果你看一下 Gabe 关于我加入 Techmeme 的一篇文章,就会明白这个。不过你怎么看,我加入之后你看到了什么变化?

Techmemesidebar.jpg

Marshall: 在新闻的甄选上,我并没有看到任何改变,也许新闻不像以前那么飘忽不定了。我一直把 Techmeme 当成可靠的新闻来源,觉得你在保持这个传统方面做得很好。但总会有人对此有微词,认为认为编辑介入了新闻。

Megan: 我觉得有些人什么都抱怨。

Marshall: 新的博客站点如何才能被 Techmeme 索引?

Megan: 我们刚引入一个程序,人们可以通过 Twitter 向我们提交新闻。任何人都可以将他们任何合适的任何文章投递给我们。

TechmemeTwittercredit.jpg

Marshall: 这个程序工作得怎么样?我们看到很多新闻通过 Twitter 发布过来,这是否改变了 Techmeme 的样貌,改变了它的内容?

我看到很多人的新闻得以发表,我猜想现在参与人数有限,你如何判断该上谁都新闻,不上谁的新闻?

还有很多人发布他们自己的新闻,这是否妥当?

Megan: 我不认为这改变了总体内容。很多提交的新闻都值得发表,但并不是所有提交的新闻都会发表。这个提交程序在影响 Techmeme 的内容方面有两种情形,首先它会让一些突发新闻迅速上线,其次,当有多个新闻来源提供同一个新闻的时候,如果有人通过这个程序提交并表示关注,这会影响到 最终哪一个会上 Techmeme。

至于人们提交自己的新闻,我个人并不完全反对。如果有人发现了突发性新闻想让我们知道,那是很好的方式。不过他们应当记住,他们的 Twitter 提交帐号会积累信用,一个人如果有很多新闻被发表会得到人们的尊敬。不过在我看来,Twitter 帐号本身并不能决定他们的提交是否回被发表,是内容本身决定是否会被发表。

Marshall: 如果有人在提交中说脏话,是否会...(原文此处省略-译者)

Marshall: Techmeme是否重视新闻的准确性?

Megan: 准确性绝对重要,那是我的目标之一,如果一条热门新闻最终证实是假的...

Marshall: 什么样的新闻算假新闻?如果有人说,错,Steven Jobs 还没离开苹果,我不相信这个报道,你是否高兴?

Megan: 或者在后面紧跟一条,“Steve Jobs 还没离开苹果”。

Marshall: 你会拿掉那条假的?

Megan: 或者拿掉,或者在后面放一些新闻更正。有时候假消息自己也是新闻,生硬地删掉也不妥。我们要让读者们知道当前技术界正发生一些什么事,知道哪些人正在说什么话。那些早期的谣传可能会被后来的更正替换,但不和读者打招呼,直接删掉是不妥当的。

Marshall: 看来你每天要读很多新闻,你每天什么时间开始和结束工作。

Megan: 我7点半开始工作,结束的时间还要晚。新闻永远不会停息。

Techmeme 的未来以及其它新闻聚合服务

Marshall: 如今每个人都想做新闻聚合,你认为新闻发现和内容聚合的关键是什么?

Megan: 我认为可靠的实时的 Web 会对聚合服务带来巨大冲击,我希望在新闻一发表的时间就能看到,没有延迟。我希望质量,准确性,速度这些因素得到重视。同时事,希望出来一些新的声音让这个群体更饱满强大。

Marshall: 你是否算半个机器人?

Megan: 要看我的情绪。

Marshall: 至少在朝7晚7之间是这样,是吗?

Megan: 好像是。这很讨厌,但每天都读大堆新闻对我是种享受。

本文国际来源:http://www.readwriteweb.com/archives/techmemes_new_editor.php,原文作者:Marshall Kirkpatrick,中文翻译来源:COMSHARP CMS 官方网站。

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值