CaaS - 内容发布的未来

来自Scriptorium公司的CEO,Sarah O'Keefe,在Adobe DITAWorld 2022做了《内容发布的未来是CaaS》的演讲。本文是我的学习笔记,跟大家分享和探讨。


1 -

什么是CaaS

CaaS是内容即服务(Content as a Service)的缩写。它有以下特点:

  • 按需提供内容, 而不是预先打包好的PDF或者静态HTML;

  • 使用中间格式存储内容,如:XML;

  • 当用户请求内容的时候过滤和渲染;

我们认为这是内容发布的未来。

- 2 -

为什么它是内容发布的未来形式

传统内容生产和消费流程是这样的:

编写者编辑好内容,然后进行格式化,发布成不同格式,然后分发给用户。内容使用者根据需要使用。

发布的内容是静态的,每一种语言一份拷贝;每种格式一份拷贝;

使用CaaS后内容的生产消费流程是这样的:

编写者编辑好内容,然后发布成中间格式,比如:XML,并保存到存储库中。使用者查看信息的时候发送请求给系统,系统根据用户的请求(需要的内容、需要的语言、需要的格式等)将相关的内容进行处理和渲染然后发送给用户。 

不预先准备发布的内容,而是按需发布。

这样做能带来什么好处呢?分为以下5个方面来讨论:

1. 解决信息孤岛的问题

首先,企业中用户使用不同的系统创建内容,这些系统包括:学习管理系统、内容管理系统、知识管理系统、问题报告和管理系统等。每个系统是根据具体的业务需求创建的,他们之间数据不通。

其次,我们曾尝试过让用户使用统一的系统创建所有的内容,但是未取得成功。主要是不同角色的用户都喜欢根据自己角色量身定做的系统,而不是一个统一的系统。比如:负责创建培训内容的用户喜欢和习惯使用学习管理系统来创建课件。

最后,我们觉得一种可行的方式是:不同的编写者使用他们自己喜欢的系统编写内容,然后使用统一的内容交付系统。这样内容使用者使用一个系统访问所有内容。 

2. 避免内容重复

在一些内容编辑系统内,我们已经设计了一些机制来避免重复内容。比如,在CCMS中,我们可以使用DITA的内容重用机制来避免重复内容。目前,没有在不同内容创作系统中避免重复的好办法。

通过使用CaaS,我们看到在动态交付过程中通过合并内容而避免重复内容的潜力。 

3. 提供个性化内容(千人千面)

首先,内容需要有元数据来支持个性化内容,这在DITA中已经支持。比如:我们想让不同类型的读者看到不同的内容,那么在内容中我们需要有元数据(属性)标注哪些内容适合初学者,哪些内容适合专家级学者。

然后,让内容可以通过CaaS的API来访问。 

最后,在系统中(如网站),根据用户的请求、角色、登录信息、选择的语言等提供正确的信息给对方。

与传统方式不同的是,CaaS是在用户请求内容的时候,根据用户的要求挑选内容,动态生成给用户,而不是事先准备好所有可能的组合。

4. 全渠道发布

对于全渠道发布,是CaaS可能帮助我们的地方。

今天,除了HTML和PDF格式以外,我们可能还需要发布其他格式,如:JSON。需要在智能手表、手机等设备上显示内容。最近几年出现了Chatbot智能聊天机器人、服务管理系统需要内容。并且格式、设备、系统的需求还在增长

不管怎样变化,只要能够支持内容API,它就能使用CaaS中的内容。根据需要结合不同的展现技术来显示内容。

5. 轻量内容交付

传统发布模式中,我们需要根据用户、格式、语言等准备好所有的组合。这样的发布结果通常占很大的存储空间。 

在CaaS中,是根据用户的请求动态过滤内容、动态渲染的。不需要预先准备好各种可能的组合。

3 - 

为什么CaaS很重要

  • 延迟内容的处理和渲染;

  • 轻量交付;

  • 让消费者选择内容;

  • 合并数据来源,避免使用统一的内容编辑系统。

CaaS的思路是按需提供内容,把更多的控制权让渡给使用者。

想要做到CaaS,对内容的需求是:

  • 模块化的内容

    如:独立的错误信息、排故步骤。

  • 元数据

    如:能够寻址、标签、分类等

  • 与样式的连接

  • 不可接受:大段大段的内容。

4 - 

挑战

  • 内容和格式的分离将导致更多的配置,需要组织中不同部门更多的沟通和协调;

  • 管理模块化内容的挑战:多大颗粒的内容是合适的?如果内容模块太多将难于管理;

  • CaaS在价格上不便宜。

5 - 

附录

Sarah演讲的完整视频:

The Future of Publishing is CaaS

视频来自Adobe DITA world 2022:

https://2022-adobe-dita-world.meetus.adobeevents.com/register/

  • 2
    点赞
  • 1
    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