【新媒体观察】AOL、CNN、USA today、CNet等旧势力卷土重来

随着互联网的发展,传统媒体如AOL、CNN、USAtoday等纷纷进行改革,吸收Web2.0元素,推出个性化推荐系统及加强视频、图片内容,力求在新媒体时代中保持竞争力。

【新媒体观察】AOL/CNN/USA today/CNet等旧势力卷土重来

郑昀 20070710

6066557-lg  

这些日子,不单单注意到那些新锐网站,比如MyLifeBrand Throof、很像大众点评网的Yelp,还看到那些人们曾经认为不够酷的旧势力们卷土重来,比如AOL的一系列动作,CNNredesigned versionUSA today的三月份重构,News.com.comBig Picture,都大量地吸收了流行的、酷的元素。

STILL around after all these years and STILL thriving,这句话准确描述了人们看到这些重构动作的感受。他们终于都回来了!

AOL今天(710)Beta版发布的三个产品myPage”“Mgnet”“Favorites,我更喜欢号称“图片驱动的内容发现和推荐引擎,Image-driven Content Discovery and Recommendation Engine”的Mgnet,一个阅读新闻和关联新闻的工具,有点类似于Google最近发布的那个“玩具”(《读图看世界 Google(谷歌)推出了谷歌资讯图片版本》),再加上从CNNUSA Today的变化所反映出来的,看来不仅仅是谷歌“发现许多人偏爱以更加直观的方式来阅读最新资讯”,其他人也在动手实施。

Mgnet还是一个个性化推荐阅读体系,据说马上加入社会化的一些元素,无非就是“collaborative filtering”。不过个性化推荐的前辈SearchfoxFindory这两个未完成很久前介绍过)、Spotback似乎状态也并不是太好。

Favorites则更像是抓虾、BloglinesGoogle Reader的东西,阅读体验还不错。

CNN的改版重点放在了视频、图片,加入了很多Web2.0的元素,并且更强调了他们的博客播客

USA Today毫不例外,也重点强调图片,并且象Web2.0网站一样把超链接的文字放得很大,同时把评论和投票这两个社会化元素发挥得不错。

就像网易新闻搜狐新闻都变得更简化、网易掘世新闻使用了digg概念、甚至网易还把译言的模式复制一样,中国的传统新闻门户们也许有一天会放弃那些超链接堆砌的新闻超市模式,而把新闻阅读变得更酷更养眼。 

模仿lome的口气,可以这么说:虽然有人讽刺AOL的三个产品只是在模仿其他成功的家伙,但话说回来,伸头是一刀,缩头也是一刀。每个牛叉网站的一生,难免遭遇一两次被遗弃的处境。此等尴尬情境下,光不服是没用的。就好比,一个用户嫌弃你过于严肃活泼没大脑不成熟,不理他,他会甩了你。理他,听他的话使劲搂住那些成功的Web2.0/3.0特色不撒手培养内涵顺便装优雅,你若装得不象,他会笑话你人不人猴不猴;若装得象,他又觉得老处女太沉闷还是啦啦队女队长青春逼人。最后的结果,他还是会甩了你。他绝尘撂蹶子就跑,只剩下你在原地满拧着,摆什么姿势都觉得怪,最后只好顺拐前进。

满拧着,也还是要前进。



Trackback: http://tb.blog.youkuaiyun.com/TrackBack.aspx?PostId=1685877


内容概要:本文介绍了一种基于蒙特卡洛模拟和拉格朗日优化方法的电动汽车充电站有序充电调度策略,重点针对分时电价机制下的分散式优化问题。通过Matlab代码实现,构建了考虑用户充电需求、电网负荷平衡及电价波动的数学模【电动汽车充电站有序充电调度的分散式优化】基于蒙特卡诺和拉格朗日的电动汽车优化调度(分时电价调度)(Matlab代码实现)型,采用拉格朗日乘子法处理约束条件,结合蒙特卡洛方法模拟大量电动汽车的随机充电行为,实现对充电功率和时间的优化分配,旨在降低用户充电成本、平抑电网峰谷差并提升充电站运营效率。该方法体现了智能优化算法在电力系统调度中的实际应用价值。; 适合人群:具备一定电力系统基础知识和Matlab编程能力的研究生、科研人员及从事新能源汽车、智能电网相关领域的工程技术人员。; 使用场景及目标:①研究电动汽车有序充电调度策略的设计与仿真;②学习蒙特卡洛模拟与拉格朗日优化在能源系统中的联合应用;③掌握基于分时电价的需求响应优化建模方法;④为微电网、充电站运营管理提供技术支持和决策参考。; 阅读建议:建议读者结合Matlab代码深入理解算法实现细节,重点关注目标函数构建、约束条件处理及优化求解过程,可尝试调整参数设置以观察不同场景下的调度效果,进一步拓展至多目标优化或多类型负荷协调调度的研究。
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