regal

电影院,复工容易复苏难

早过忘川 提交于 2020-10-08 05:28:00
作者|魏妮卡 编辑|李春晖 电影院开门的第三天,你去看电影了吗? 自7月16日国家电影局发布低风险地区影院可有序开放的通知后,行业内一派生机勃勃加手忙脚乱。新片《第一次的离别》《荞麦疯长》、重映片《哪吒》《误杀》相继定档。观众期待的重磅大片《唐人街探案3》《花木兰》等,定档的小道消息铺天盖地。 邀观众回到影院的煽情文案频出,一首#我想陪你看电影#的神曲cut引来30多万转发。 根据猫眼专业版数据显示,相比3个月前短暂复工的首日票房1.38万,这次复工首日票房达349.7万。次日票房增加百万,达到453.8万。这票房和以往工作日大几千万的日票房自然是没法比的。事实上,虽说是7月20日复工,即便是低风险地区,出于种种考虑尚未复工的影院也占相当比重。 而比电影院更早“躁动”起来的,是资本市场上度日如年的影视股。眼下,随着7月24日北京电影院即将复工,7月25日延期举行的上海国际电影节开幕,电影业会迎来更多利好,还是开始直面欢喜后的现实? 艰难复工 影院复工首日,成都和平电影院首日网络预售票被一抢而空的新闻引发热议。但感叹观众没有抛弃院线电影的背后,却是影院方在以邀客薅羊毛的方式,拉观众走进影院。这家影院的首日票房收入仅为16.5元,每张电影票售价3.1元,票务平台收取3元服务费,相当于一毛钱请观众看了一场电影。 低价拉动的观众,未必是真观众。普通观众如今对电影院的态度,还真不好说

对命名实体识别进行基准测试:StanfordNLP,IBM,spaCy,Dialogflow和TextSpace

天大地大妈咪最大 提交于 2020-08-20 09:00:17
作者|Felix Laumann 编译|VK 来源|Towards Data Science NER是信息提取的一个子任务,它试图定位并将非结构化文本中提到的指定实体划分为预定义的类别,如人名、组织、位置、医疗代码、时间表达式、数量、货币。 我们创建了我们自己的小型测试数据集,其中11个示例来自谷歌的Taskmaster 2数据集,该数据集于2020年2月刚刚发布。我们将此数据集视为NER解决方案中未来研究和产品的基准数据集。我们用该数据集来探索TextSpace。 这个数据集中的句子可能在长度和包含的信息上有所不同,但是我们选择了其中包含大量实体的句子,因此我们可以根据最新的NER解决方案来区分优劣。我们测试集中的句子来自不同的领域,因为我们想看看我们在这篇文章中比较的解决方案有多灵活。请注意,这些示例中使用了Dialogflow聊天机器人,因此我们也希望Dialogflow在这些例子上能够执行得很好。 我们将首先详细地看两个例子,最后会有一个总结。 机票预订 让我们以一个想要预订航班的用户的句子为例: "So, I would like to fly out sometime tonight and fly back in the evening in 4 days. From I’m looking to go to Denver. I’m flying out of San

2020,影院很空,云上很挤?

人走茶凉 提交于 2020-05-05 11:22:07
作者|顾 韩 编辑|李春晖 由春入夏,复工复产,社会也渐渐从疫情阴影中走出。伴随着北京的“解禁”、五一小长假的到来,旅游业、餐饮业都迎来了复苏。 然而,影院依然没有复工,没有大片混战的线下五一档,只有云端的上新,以及赶在放假前的各种瓜:万达裁员、华谊换帅,巨亏之后勇敢地继续募集资金,北京文化被“自己人”举报财务造假,扯出“魔幻现实”的高层内斗疑云。 放眼海外,抗疫优等生韩国已有少数新片上映,政府面向大众提供130万张优惠券以扶助电影产业。北美则上演着似曾相识的一幕——因动画片《魔发精灵2》转网播出,环球影业遭到院线方AMC、Regal猛烈抨击。 这个春天,电影人们不好过,突如其来的疫情造成行业停摆,“快钱时代”的盲目扩张一朝反噬,流媒体步步紧逼,线下与线上的对立从未如此尖锐突出。一切的一切,都给产业带来了更多思考,或许也有变革与进步的契机。 影院停摆100天:亏损、裁员、倒闭、洗牌 三个月前,疫情给影视行业按下了暂停键,“史上最强春节档”瞬间消失,大家集体见证历史。万达电影一季度亏损高达6亿元,这也是其上市以来首次一季度出现亏损。 大公司如此,小公司更惨。据《经济日报》报道,2020年初至今已有5328家影视公司注销或吊销,这一数据是2019年全年注销或吊销数量的1.78倍。 就在4月,橙天嘉禾银河影城天津万象城店发布了闭店公告,影院于2012年开业、共计放映电影164847场