摘要

高质量的内容是互联网媒体的基石，对于新闻媒体而言，快速产生出高质量的文章，是为其带来大量网络流量、提高关注度的主要手段。文章配图是提高内容质量、吸引用户的重要方式。对用户而言，标题和封面是判断一篇文章是否值得阅读的唯一标准。因此，一篇拥有优质配图的文章，被点击、推荐的概率将得到极大的提升。然而，目前多数文章的配图工作，只能依赖于编辑手动选取。虽然保证了内容质量，但这种低效的人工方式，直接导致了生产量不足等问题，难以应对日益增长的文章需求，进而影响新闻媒体企业的市场竞争力。
为了提高内容生产的效率，新浪公司与复旦大学DAS实验室共同设计并实现了SinaBot文章自动配图推荐系统，通过构建图片语义标签库，系统将辅助编辑进行配图选择。在文章没有配图的情况下，系统可自动筛选图片并供编辑确认。经新浪编辑真实测试，推荐5张图片时采纳率在80%左右，推荐1张图片时采纳率可达到61%左右。运行过程中，SinaBot将根据推荐结果不断学习，逐渐减少人工干预，逐步实现文章自动配图，自动分发给用户。

发表论文

• Tianxing Tian, Shi Chen, Yaobo Wu, Fan Zhang, Yinan Jing, Zhenying He, X. Sean Wang, Wei Wang, Peng Zhang. An Automatic Illustration Recommendation System. ICDM Demo. 2019.