第二次提交

reptile.py

@@ -90,5 +90,5 @@ class reptile:
         return self.path
 
 if __name__ == '__main__':
-    reptile = reptile('2024年巴黎运动会',300)
+    reptile = reptile('2024年巴黎运动会AI应用',300)
     reptile.get_dataset()

word_handle.py

@@ -0,0 +1,61 @@
+import jieba
+import re
+from sklearn.feature_extraction.text import CountVectorizer,TfidfTransformer
+from gensim import corpora,models,similarities
+
+def read_file(path):
+    '''
+    读取文件，并存储到列表中
+    '''
+    with open(path,'r',encoding = 'utf-8') as f:
+        lines = f.readlines()
+    return lines
+
+def analyse_vector_tfidf(analyse_path,test_path,userdict_path):
+    '''
+    抽取与AI相关较为强烈的弹幕
+    '''
+    #加载词库
+    # jieba.load_userdict(userdict_path)
+    stop_words = []
+    #将数据的全部分词保存在all_doc
+    all_lines = read_file(analyse_path)
+    all_doc = []
+    #与AI应用相关的文本数据
+    test_lines = read_file(test_path)
+    test_doc = []
+    #开始分词
+    #对需要分析的数据集开始分词
+    for line in all_lines:
+        #利用正则表达式去除中文标点
+        line = re.sub('[^\w\s]','',line)
+        token = [word for word in jieba.lcut(line.strip()) if word not in stop_words and len(word)>1]
+        all_doc.append(token)
+    #对AI应用相关的文本进行分词
+    for line in test_lines:
+        line = re.sub('[^\w\s]','',line)
+        token = [word for word in jieba.lcut(line.strip()) if word not in stop_words and len(word)>1]
+        if len(test_doc)==0:
+            test_doc = token
+        else:
+            test_doc += token
+    #制作词袋
+    dictionary = corpora.Dictionary(all_doc)
+    #制作语料库,即具有词频的词袋模型（词语ID号，词语频率）  
+    corpus = [dictionary.doc2bow(doc) for doc in all_doc]
+    test_doc_vec = [dictionary.doc2bow(test_doc)]
+    #每个词语的tfidf值
+    tfidf = models.TfidfModel(corpus)
+    #相似度Sim算法
+    sparse_matrix = similarities.SparseMatrixSimilarity(tfidf[corpus],num_features=len(dictionary.keys()))
+    sim = sparse_matrix[tfidf[test_doc_vec]][0]
+    sim = sorted(enumerate(sim),key= lambda item: item[1],reverse=True)
+    print(sim)
+    print(all_lines[sim[100][0]])
+
+if __name__ == '__main__':
+   # analyse_vector_tfidf()
+   path = './关于b站视频2024年巴黎运动会AI应用的弹幕.txt'
+   test_path = './巴黎奥运会AI文本库.txt'
+   userdict_path = ''
+   analyse_vector_tfidf(path,test_path,userdict_path)

巴黎奥运会AI文本库.txt

@@ -0,0 +1,21 @@
+赛事期间，无论是硬件设备的智能化、场馆管理的高效化，还是运动员训练的科学化等方面，AI技术均大放异彩。科技，已然成为推动奥林匹克运动前进的关键引擎。
+阿里云AI驱动运算提供的AI技术，在羽毛球、田径等20多个赛事项目的14个场馆，设置了高清云直播、VR/AR 全景直播，推出360度实时回看、3D运动员追踪、虚拟演播区、数字人主播等技术，为观众带来身临其境的沉浸式观赛体验。
+在乒乓球、射箭等比赛中，上海广播电视台旗下上海东方传媒技术有限公司（SMT）联合商汤科技有限公司自主研发InnoMotion体育赛事AI产品，实时追踪和分析乒乓球的轨迹、落点、速度、转速、转向等关键参数，精准捕捉箭矢的飞行轨迹、距离和风速，并通过3D动画、MR等技术呈现给观众，为观众提供专业AI技战术分析。这也是奥运会历史上首次将AI技术应用于乒乓球和射箭赛事的国际公共信号制作。
+巴黎奥运会上，AI大模型全过程参与了运动员的比赛和训练评价。基于AI+大数据的分析能力，AI辅助训练系统能精准评估运动员的训练状态和效果，为教练团队提供科学依据，并对训练计划进行动态调整，确保训练的科学性和有效性。比如通过高速摄像头捕捉比赛和训练视频，教练员能够对运动员的技术动作进行详细拆解和评估。
+AI大模型还能识别对手的弱点和习惯，帮助制定精准的比赛策略，还可以根据伤病类型和个人康复数据，为受伤的运动员制定个性化康复计划。此外，利用这项技术还能分析运动员的生理数据和训练负荷，提出个性化预防措施。
+跳水名将全红婵、陈芋汐会运用百度AI跳水辅助训练系统进行训练，能够实时分析运动员的动作细节，提供精确的量化分析和指导，帮助教练团队制定更加科学的训练计划，让运动员在更短时间内实现技术突破。
+为了帮助全球约11,000名拥有不同语言和文化背景的运动员在奥运比赛场地出入，并遵守相关规定，国际奥委会与英特尔合作开发了基于Athlete365平台的聊天机器人AthleteGPT。
+这是一款基于英特尔至强处理器和Gaudi加速器的RAG解决方案。AthleteGPT支持普通话、英语、法语、西班牙语、俄语、阿拉伯语等六种语言，不仅能够应答运动员的日常询问并进行互动，同时将在运动员入住巴黎奥运村期间，为其按需提供信息，运动员可以通过它快速获取有关比赛场馆、开幕式直播、比赛规则及赞助商活动等各种信息，从而能够专注于训练和比赛。
+AthleteGPT能在海量信息中迅速找到所需内容，并提供24小时不间断的服务。此举不仅提高了信息获取的效率，也为运动员们创造了更友好的交流体验。对于未来的全球体育界而言，这一应用预示着未来赛事服务模式，展示如何通过AI力量，为运动员创造更专注、更专业、更极致的竞技环境。
+奥运会赛事种类丰富，对于评论员、解说员以及媒体记者来说，如何快速检索到准确的奥运赛事信息，从上百年的奥运历史中搜寻到匹配的信息，是奥运报道以及奥运解说中的痛点。
+为此，阿里国际自研Agent框架支持了首个奥运领域的大模型应用，开放给国际奥组委官方解说员，辅助各项赛事解说。这一AI应用能够快速对相应的数据库或文档进行查询搜索，通过数学运算或复杂的推理，回答解说员的具体问题，为奥运赛事提供更高的专业性和趣味性支持。不仅提升赛事直播质量，还为观众提供了更丰富、更精准的解说内容。
+体操领域的AI“裁判”，全名为裁判支持系统（The Judging Support System，JSS），由日本富士通公司与国际体操联合会（FIG）合作开发。该系统能够利用四到八个精心摆放的高清摄像头捕捉运动员的动作，计算运动员动作的难度分值，它能够精准呈现运动员转动的角度等肉眼难以判断的细节。
+AI“裁判”本身并不做出评判，只有当体操运动员或教练员提出申诉，又抑或裁判组内部出现争议时，它才会派上用场。通过迅速提供相关的数据分析，包括动作的完成度、难度系数、技术执行等关键指标，为裁判的最终判断提供坚实的依据，确保了评判的公正性和透明度。
+在赛事安保方面，AI技术的应用同样不容小觑。面对历届奥运会网络安全的严峻挑战，巴黎奥运会组委会部署了一套先进智能防御系统，被誉为奥运会“数字铠甲”。通过云计算技术和分布式云架构，组委会能够灵活调配计算资源，应对突发的大规模网络攻击。AI驱动的面部识别技术和行为分析系统，在比赛中加强安保，预防和应对潜在安全威胁。
+ AI还在优化观赛管理与彰显人性关怀方面作用显著。为了确保赛事顺利进行，奥运会场馆后勤、观众引导、公众安全、人员配置及餐饮等关键服务必须无缝对接。利用AI数据收集系统，主办方可以实时调整关键地点的后勤工作，提升现场服务效率，缩短现场服务等待时间，实现奥运场地内的无缝导航，并为未来的奥运会和残奥会规划保存统计数据。赛事期间，该系统对巴黎、里尔等22个场馆实施了实时数据采集，监测关键场馆空间和服务的使用情况。
+网络空间的安全，同样重要。巴黎奥运会首次利用人工智能技术监控主要社交媒体平台，标记出具有网络暴力倾向的账号，为运动员提供安全的网络空间。
+据国际奥委会评估，为期16天的奥运期间，社交媒体互动次数超过5亿次，也带来了网络暴力、谣言、侮辱和威胁等多方面挑战，不但可能在网络上导致争端及霸凌，更是直接影响到运动员的身心健康、线下生活以及职业生涯规划。例如，世界田联曾在2020年东京奥运会期间研究了运动员受到的网络暴力情况，发现161个现役和退役运动员的推特账号中，有23名受到针对性辱骂。今年8月4日，新浪微博社区官方微博“微博管理员”发布公告，指出不少网友在奥运乒乓赛事讨论中拉踩引战，300余账号被禁言。
+AI 系统全天候监控主要社交平台，包括 X（原 Twitter）、Instagram、Facebook 和 TikTok，涵盖超过35种语言，实时侦测并标记任何潜在的辱骂信息，以便相关社交媒体平台处理，甚至在运动员看到之前就将其拦截，有效减轻了网络暴力带来的不良影响。
+AI技术还被用于修复奥运会珍贵的历史影像。7月30日，国际奥委会首次公布了1924巴黎奥运的珍贵影像，采用阿里云AI技术，将100年前的黑白影像修复为彩色高清影像，纪念夏季奥运会时隔百年之后重返巴黎。观众们在影像中可以清晰感受到100年前奥运比赛的激烈场景。
+修复后的历史影像，清晰展现了100年前巴黎奥运会开幕式入场仪式。田径项目是赛事的焦点，在AI云技术加持下，观众可以欣赏彩色版1924年巴黎奥运会田径运动员惊人的力量、速度和耐力。
+技术增强体验人性化，让观赛体验得到了前所未有的提升；运动员表现效果的最大化，离不开AI辅助训练、可穿戴设备以及新材料和运动装备研发；数据驱动体育的科学化，为赛事运营管理和决策提供了强有力数据支持；网络安全监控、面部识别技术、运动损伤预防和康复训练技术运用，确保了赛事安全性和运动员健康。AI评分系统与运动追踪技术等前沿科技的应用，标志着体育科技领域的新探索和创新实践……巴黎奥运会的AI应用，也为未来的体育赛事提供先例，引领智能化、数字化、个性化的赛事潮流，激发体育事业的前进发展。