XiaoMi-AI文件搜索系统
World File Search SystemYoutube
raikov效应YouTube
算法和人工智能现在几乎在生活的每个方面都为我们做出决定，从我们购买的东西到饮食，如何获得新闻，我们约会甚至工作。我们曾经给出了曾经由医生，飞行员和法官做出的生命或死亡选择的算法。Kartik Hosanagar的一本新书研究了算法决策的世界，揭示了这项技术可能引起的偏见。他认为，了解这些系统对于塑造它们对我们的影响至关重要。Hosanagar作为技术企业家和教授的经历告诉了他探索算法如何工作，为什么有时会发生故障，促使我们对他们的信任以及他们的决定的后果。他的书在算法的思想及其创作者之间取得了相似之处，使其成为浏览这一新的人工智能浪潮的可访问指南。沃顿商教授和科技企业家探索算法和人工智能如何影响我们的日常生活，从产品购买到求职。这些自动化系统为我们做出决策，通常反映其设计中的偏见和缺陷。作者研究了算法决策的后果，包括性别歧视和种族主义聊天机器人的兴起，涉及自动驾驶汽车的致命事故以及Netflix和Amazon等服务的令人沮丧的经历。这本书提供了一个实用的指南来理解这些现象，并提供了有关算法的工作方式，为什么有时故障以及驱动我们对它们的信任的原因。Hosanagar深入研究算法的世界，突出了它们不可思议的反映人类思维模式的能力。通过研究历史，科学和心理学观点，作者的目标是使读者对算法思维及其对社会的影响有更深入的了解。最终，目标是赋予个人能够了解算法对生活的影响的知识，使他们能够做出明智的决定并随着这些技术的不断发展而保持控制。作为算法设计专家，他将自己的专业经验中的见解与历史背景，计算机科学和心理学观点结合在一起，以深入研究它们的功能，为什么有时会出现问题以及驱使我们对它们的依赖的原因。他审查了Microsoft的Tay Chatbot之类的著名实例，该实例旨在模仿一个十几岁的女孩的社交媒体角色，而是回归为性别歧视和种族主义；涉及自动驾驶汽车的悲惨事故；即使是每天使用Netflix和Amazon等服务时，我们也会遇到挫败感。在这里，Hosanagar对当今最关键的发展之一 - 实际人工智能进行了引人入胜且令人发人深省的探索。本指南为用户提供了动手底漆，可导航第一波机器学习。
YouTube、注意力经济和数字观众对赞助 ASMR 视频的兴趣
尽管近年来，自发性知觉经络反应 (ASMR) 现象在墨西哥显著发展，但当地 YouTube 频道缺乏有效和持续的数字营销策略和战术，这反映在他们的赞助视频中，与最受欢迎的 YouTube ASMR 频道（基本上是英语频道）形成鲜明对比。在对 YouTube 进行详细审查后，本文对这两组进行了比较，并认为，只要进行一些改变，墨西哥 ASMR 创作者就可以从其他国家更受欢迎的创作者使用的营销策略中受益。通过这样做，墨西哥创作者可以乘上新兴的注意力经济浪潮，这种浪潮认为认知是一种可以货币化的商品。对这两组频道的分析发现，与更受欢迎的国际同行相比，墨西哥 ASMR 创作者往往表现出较低的制作质量、对基本营销概念的了解甚少，以及发布频率低于英语视频。这些发现将在覆盖率、相关性和共鸣的营销概念以及注意力经济结构下进行讨论。
使用反事实机器人
近年来，对在线平台的批评提出了人们对推荐算法扩大有问题内容的能力的担忧，并具有潜在的激进后果。但是，试图评估推荐人的效果的尝试遭受了缺乏适当的反事实的困扰 - 在没有算法建议的情况下，用户会看待的是什么，因此无法将算法的影响从用户的意图中解散。在这里，我们提出了一种我们称为“反事实机器人”的方法，以估计算法建议在YouTube上摄入高度党派内容的作用。通过比较将真实用户的消费模式与遵循基于规则的轨迹的“反事实”机器人进行比较，我们表明，平均而言，仅依靠YouTube推荐人会导致党派消费较少，在这种情况下，这种效果最为明显。按照类似的方法，我们还表明，如果党派消费者切换到中等内容，YouTube的侧边栏建议在大约30个视频中“忘记”他们的党派偏好，而不论其先前的历史记录如何，而主页建议则更逐渐地转向中等内容。总的来说，我们的发现表明，至少自YouTube在2019年实施的算法变化以来，个人消费模式主要反映了个体偏好，算法建议在其中扮演的角色（如果有的话）是一个调节角色。
在YouTube上审计娱乐陷阱：建议算法如何使用户脱离新闻
自定义个人信息提要的摘要建议算法引起了人们对加剧公民新闻暴露不平等的担忧。应对这些问题，我们对YouTube进行了一项审计研究，以分析对策展新闻与其他内容主题的算法影响。我们检查了2019年审核的170万次YouTube视频建议，并开发了包括网络分析和马尔可夫链在内的新颖分析方法。结果表明，建议算法可能会通过两种影响途径将用户从新闻内容重定向：（1）“局部过滤器泡泡”，其中娱乐内容具有更高的可能性，即以自我增强方式推荐而不是新闻内容； （2）“算法重定向”，其中在新闻视频之后推荐娱乐视频的可能性远高于相反的情况。总的来说，YouTube推荐算法的推荐娱乐视频的可能性高于新闻。这些发现意味着在数字平台上提出的算法建议中，除了放大用户的偏好之外，还存在。
推荐毒性：算法推荐人在YouTube短裤上的作用和Tiktok在促进男性至上主义的影响者中的作用
近年来，人们对推荐算法在向社交媒体用户推广极端内容中的作用越来越关注。来自教育工作者和父母的轶事记录表明，尤其是男孩，尤其是受到备受瞩目的“ Manosphere”影响者的目标，通常是出于关于心理健康或财富积累的建议。虽然社交媒体一直在扩大反女权主义者的权利活动家一段时间，但尤其是在蒂克托克（Tiktok）上的有影响力文化的增长，已经平台了大量有影响力的意识形态企业家，例如安德鲁·泰特（Andrew Tate），迈伦·盖恩斯（Myron Gaines）和Sneako。男性不安全感的这种货币化不仅是主流反女权主义者和反LGBTQ意识形态，而且还可以用作通向边缘远处和其他极端世界观的门户（Ribeiro等人，2021年； Brace等，2023）。
推荐毒性：算法推荐人在YouTube短裤上的作用和Tiktok在促进男性至上主义的影响者中的作用
我们的研究团队在29个小时的视频中观看，录制和编码：12小时43分钟的Tiktok视频（或平均每个帐户2小时零32分钟）和16小时41分钟的YouTube短裤视频（或平均每个帐户3小时20分钟）。录音是手动和系统地编码的，以识别数据集中最常见的主题类别，参与者和标签以及最主要的神话或“谈话点”。通过编码和子编码与男性权利，反女权主义和新男性化的影响者有关的所有内容，我们能够根据不同的年龄概况，利益和相互作用的类型来确定Manosphere建议的频率和性质。
Belanio 等人：当地 YouTube 旅行视频博客与 DLSU-D 旅游学生重游意愿之间的关系。
摘要。多年来，旅行视频博客的数量一直在增加。旅行视频博客已成为旅行者获取旅游信息的重要途径，这会影响观看者的旅行意图。这项定量研究通常考察当地 YouTube 旅行视频博客与德拉萨大学达斯马里尼亚斯分校旅游专业学生重游意向偏好之间的显著关系。这项研究的出现是因为之前的研究探讨了旅行视频博客与游客旅行意向之间的关系。通过调整属性和特征，本研究的结果可以作为观看旅行视频博客与学生重游意向的本质基础。数据是使用 Microsoft Forms 构建的在线问卷收集的。德拉萨大学达斯马里尼亚斯分校的两 (2) 名旅游学教授和一名统计学家验证了问卷。使用加权平均值和 Spearman 的 Rho 分析结果。此外，研究的总体结果显示变量之间存在很强的相关性。最后，研究得出结论，当地 YouTube 旅行视频博客与德拉萨大学达斯马里尼亚斯分校旅游专业学生的重游意向偏好之间存在显著关系。关键词：YouTube 旅行视频博客、重游意向、旅行行为、旅行体验
使用高级机器学习模型在YouTube评论上检测垃圾邮件：比较研究Gregorius Airlangga 1* 1 Atma Jaya天主教大学
摘要在YouTube等平台上产生的用户生成内容的指数增长导致垃圾邮件评论的增加，这对用户体验和内容审核的工作产生了负面影响。本研究介绍了各种机器学习模型的全面比较研究，用于检测YouTube上的垃圾评论。该研究评估了一系列传统和集合模型，包括线性支持向量分类器（LinearsVC），Randomforest，LightGBM，XGBoost和fotingClassifier，目的是识别自动垃圾邮件检测的最有效方法。数据集由标记的YouTube注释组成，并使用术语频率插图频率（TF-IDF）矢量化进行文本预处理。使用分层的10倍交叉验证对每个模型进行训练和评估，以确保鲁棒性和概括性。LinearsVC优于所有其他模型，其精度为95.33％，F1得分为95.32％。该模型表现出优异的精度（95.46％）和召回（95.33％），使其在区分垃圾邮件和合法评论方面非常有效。结果突出了线性垃圾邮件检测系统的线性潜力，在准确性和计算效率之间提供了可靠的平衡。此外，研究表明，尽管Random Forest和投票classifier之类的集合模型表现良好，但在这种情况下它们并没有超过更简单的线性模型。未来的工作将探索深度学习技术的结合，例如卷积神经网络（CNN）和经常性神经网络（RNN），以捕获更复杂的模式并进一步提高YouTube等社交媒体平台上的垃圾邮件检测准确性。
量子状态，Qubits，逻辑门和算法
在本讲座中，我们将研究量子计算电路模型的基础。这引入了量子位，量子门和其他组件与经典计算中的概念密切相似，并为我们提供了开始研究量子计算机是否可以超越经典计算机的工具。对于这些讲义，我们部分依赖参考文献的材料。[Nielsen和Chuang，2000年，Aaronson，2018年，Kockum和Nori，2019年]。该讲座已从2019年的Chalmers Technology课程中的“量子计算”课程中的首次讲座改编为博士课程（请参阅课程中的完整讲座以及这些讲座的视频），并在2020年和2021年作为大师级课程（请参阅此YouTube Playlist for the YouTube Playlist for the YouTube Playlist for the YouTube playlist for the 2021 lect of 2021 in the YouTube playlist of 2021 for the Youtube playlist of the Lect playlist。