2016年5月13日,第三方全域大數(shù)據(jù)服務(wù)公司【友盟+】發(fā)布了《動(dòng)漫行業(yè)網(wǎng)站用戶訪問行為偏好分析報(bào)告》其中就動(dòng)漫行業(yè)網(wǎng)站進(jìn)行了詳細(xì)的大數(shù)據(jù)解讀。報(bào)告中就動(dòng)漫行業(yè)網(wǎng)站用戶訪問行為的訪問活躍度時(shí)間段和關(guān)注的動(dòng)漫形式分布以及網(wǎng)民的搜索習(xí)慣等進(jìn)行了數(shù)據(jù)分析。
一、動(dòng)漫行業(yè)網(wǎng)站用戶訪問行為偏好分析
(1)網(wǎng)民更加青睞視頻形式動(dòng)漫
從關(guān)注的內(nèi)容分布來看,動(dòng)漫網(wǎng)民比較青睞視頻形式的動(dòng)漫,視頻形式動(dòng)漫流量占比82%,在線閱讀占比18%。
從排名來看,賽爾號(hào)、鎧甲勇士、熊出沒動(dòng)漫作品最受關(guān)注,均是視頻形式動(dòng)漫。
(2)賽爾號(hào)領(lǐng)銜視頻形式動(dòng)漫,海賊王居在線閱讀榜首
視頻類動(dòng)漫,賽爾號(hào)、鎧甲勇士、熊出沒最受網(wǎng)民青睞;在線閱讀類動(dòng)漫,海賊王、一拳超人、妖精的尾巴最受網(wǎng)民青睞。
(3)動(dòng)漫網(wǎng)民忠誠度較高
從訪問的途徑來看,動(dòng)漫網(wǎng)民忠誠度較高,近三成網(wǎng)民直接訪問(收藏夾進(jìn)入或輸入網(wǎng)址訪問)動(dòng)漫網(wǎng)站。
7成多網(wǎng)民從站外訪問網(wǎng)站,4399游戲網(wǎng)、百度、谷歌、360搜索等搜索引擎、金山影視是用戶主要站外訪問來源。
(4)動(dòng)漫網(wǎng)民搜索目的比較明確
從搜索的關(guān)鍵詞來看,可見大部分動(dòng)漫網(wǎng)民搜索目的比較明確,直接搜索動(dòng)漫網(wǎng)站,或是直接搜索某部動(dòng)漫,小部分搜索較為寬泛,比如搜索詞“漫畫”。
從搜索的排名來看,動(dòng)漫網(wǎng)站搜索量較高的是:風(fēng)車動(dòng)漫、火影忍者中文網(wǎng)、有妖氣;動(dòng)漫作品搜索排名最高的是:一拳超人、妖精的尾巴。
報(bào)告要點(diǎn):
1、2016年Q1共有超1.3億網(wǎng)民訪問動(dòng)漫網(wǎng)站,產(chǎn)生超249億瀏覽量。
2、網(wǎng)民訪問動(dòng)漫網(wǎng)站呈現(xiàn)節(jié)假日訪問量較高規(guī)律,每天12點(diǎn)至晚上9點(diǎn)是網(wǎng)民集中訪問時(shí)段。
3、網(wǎng)民青睞視頻形式動(dòng)漫;賽爾號(hào)、鎧甲勇士、熊出沒最受關(guān)注。
4、網(wǎng)民搜索目的明確,以動(dòng)漫網(wǎng)站和動(dòng)漫作品為主。
5、動(dòng)漫產(chǎn)業(yè)發(fā)達(dá)地區(qū)臺(tái)灣、廣東、香港網(wǎng)民關(guān)注度較高,流量最高。
好文章,需要你的鼓勵(lì)
新加坡國立大學(xué)研究團(tuán)隊(duì)開發(fā)了SPIRAL框架,通過讓AI與自己對(duì)弈零和游戲來提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊(duì)開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。