摘要：隨著數(shù)字媒體產(chǎn)業(yè)的蓬勃發(fā)展，內(nèi)容生產(chǎn)的效率瓶頸與用戶個(gè)性化體驗(yàn)的提升需求日益凸顯。傳統(tǒng)內(nèi)容創(chuàng)作模式已難以應(yīng)對海量、高速的需求，同時(shí)，信息過載問題也加劇了用戶精準(zhǔn)獲取內(nèi)容的難度。人工智能技術(shù)通過模擬人類認(rèn)知能力，為數(shù)字媒體內(nèi)容生產(chǎn)流程優(yōu)化與精準(zhǔn)分發(fā)機(jī)制重構(gòu)提供了技術(shù)支撐。文章針對人工智能在內(nèi)容自動生成與個(gè)性化推薦兩大核心領(lǐng)域的應(yīng)用機(jī)制展開系統(tǒng)研究，旨在為提升數(shù)字媒體產(chǎn)業(yè)智能化水平構(gòu)建理論框架與實(shí)踐路徑。

關(guān)鍵詞：人工智能；數(shù)字媒體；內(nèi)容生成；個(gè)性化推薦

中圖分類號：TP391" " " 文獻(xiàn)標(biāo)識碼：A

文章編號：1009-3044（2025）21-0101-03

開放科學(xué)（資源服務(wù)） 標(biāo)識碼（OSID）

0 引言

人工智能作為新一代信息技術(shù)的核心驅(qū)動力，正在深刻變革數(shù)字媒體產(chǎn)業(yè)生態(tài)。其在媒體領(lǐng)域的應(yīng)用聚焦于內(nèi)容創(chuàng)作革新與用戶服務(wù)升級兩個(gè)維度，通過算法模型實(shí)現(xiàn)傳統(tǒng)生產(chǎn)模式的突破性重構(gòu)。內(nèi)容生成與個(gè)性化推薦之間存在著一種內(nèi)在的、動態(tài)的協(xié)同關(guān)系。一方面，智能生成的高質(zhì)量內(nèi)容是推薦系統(tǒng)得以有效運(yùn)作的物料基礎(chǔ)；另一方面，推薦系統(tǒng)收集的用戶反饋數(shù)據(jù)，能夠?yàn)閮?nèi)容創(chuàng)作提供精準(zhǔn)的數(shù)據(jù)驅(qū)動指導(dǎo)，從而形成一個(gè)優(yōu)化迭代的閉環(huán)。本研究系統(tǒng)分析人工智能在內(nèi)容生成與個(gè)性化推薦領(lǐng)域的技術(shù)邏輯與應(yīng)用現(xiàn)狀，并揭示其協(xié)同增效效應(yīng)對產(chǎn)業(yè)發(fā)展的戰(zhàn)略價(jià)值。

1 人工智能的概述

人工智能作為模擬人類認(rèn)知功能的核心技術(shù)體系，其發(fā)展標(biāo)志著信息時(shí)代的重大演進(jìn)方向。該技術(shù)領(lǐng)域旨在構(gòu)建具備感知、推理與決策能力的智能系統(tǒng)，通過算法模型解讀復(fù)雜數(shù)據(jù)規(guī)律并執(zhí)行預(yù)設(shè)目標(biāo)任務(wù)。人工智能的發(fā)展歷程從早期的符號主義推理，演進(jìn)至以機(jī)器學(xué)習(xí)為核心的現(xiàn)代范式，并最終在深度神經(jīng)網(wǎng)絡(luò)的推動下取得了突破性進(jìn)展[1]。核心技術(shù)群涵蓋四大支柱方向：機(jī)器學(xué)習(xí)持續(xù)優(yōu)化任務(wù)預(yù)測能力，依托決策樹等結(jié)構(gòu)建立預(yù)測模型；自然語言處理融合計(jì)算語言學(xué)原理達(dá)成人機(jī)交互；計(jì)算機(jī)視覺通過圖像識別算法實(shí)現(xiàn)內(nèi)容理解；專家系統(tǒng)則利用知識庫輔助專業(yè)決策。

2 數(shù)字媒體內(nèi)容生成

2.1 人工智能在內(nèi)容生成中的作用與優(yōu)勢

人工智能技術(shù)在數(shù)字媒體內(nèi)容生成領(lǐng)域?qū)崿F(xiàn)范式重構(gòu)，其核心支撐作用體現(xiàn)在四個(gè)方面：首先，顯著提高內(nèi)容創(chuàng)作效率，自動化系統(tǒng)可在數(shù)分鐘內(nèi)完成專業(yè)團(tuán)隊(duì)數(shù)小時(shí)的工作量，突破物理上限；其次，有效降低創(chuàng)作主體門檻，非專業(yè)人士通過簡易操作界面即可生成專業(yè)級作品；再次，實(shí)現(xiàn)媒體形態(tài)創(chuàng)新拓展，動態(tài)交互式敘事等新型內(nèi)容形態(tài)超越了傳統(tǒng)平面限制；最后，建立實(shí)時(shí)響應(yīng)能力，滿足突發(fā)新聞可視化等時(shí)效性場景要求[2]。技術(shù)優(yōu)勢呈現(xiàn)系統(tǒng)性特征：資源配置優(yōu)化顯著減少人力投入成本，通過算法替代實(shí)現(xiàn)重復(fù)勞動的精益化運(yùn)營；標(biāo)準(zhǔn)化創(chuàng)作質(zhì)量控制減少人為錯(cuò)誤波動，風(fēng)格遷移技術(shù)保障品牌調(diào)性一致性；海量歷史數(shù)據(jù)智能重組有效發(fā)掘內(nèi)容二次價(jià)值；全球化生產(chǎn)過程中實(shí)現(xiàn)語言轉(zhuǎn)換與文化適配的本地化創(chuàng)作能力。

2.2 人工智能驅(qū)動的內(nèi)容生成技術(shù)

2.2.1 自然語言處理（NLP） 在文本生成中的應(yīng)用

自然語言處理技術(shù)構(gòu)成文本內(nèi)容自動生成的關(guān)鍵使能技術(shù)，通過語言模型的深度應(yīng)用實(shí)現(xiàn)寫作流程重構(gòu)。當(dāng)前主流采用預(yù)訓(xùn)練大語言模型架構(gòu)，此類系統(tǒng)基于海量文本語料學(xué)習(xí)建立語言概率分布框架，模擬人類寫作邏輯推理模式。核心技術(shù)流程包含語義理解與內(nèi)容生成的協(xié)同機(jī)制：精準(zhǔn)解析文本需求后，依托上下文預(yù)測模型逐級生成語義連貫內(nèi)容。應(yīng)用場景廣泛涵蓋四大領(lǐng)域：新聞?lì)I(lǐng)域的自動化寫稿系統(tǒng)將數(shù)據(jù)報(bào)告實(shí)時(shí)轉(zhuǎn)為新聞通稿；創(chuàng)作領(lǐng)域的小說續(xù)寫輔助，維持原作品風(fēng)格一致性；商業(yè)文案自動生成能夠根據(jù)用戶畫像適配表達(dá)策略；教育領(lǐng)域的交互寫作輔導(dǎo)工具提供語法優(yōu)化建議[3]。

2.2.2 計(jì)算機(jī)視覺在圖像和視頻生成中的應(yīng)用

計(jì)算機(jī)視覺技術(shù)推動圖像與視頻創(chuàng)作從傳統(tǒng)的編輯模式向智能生成模式演進(jìn)，核心機(jī)制是通過像素?cái)?shù)據(jù)解析到內(nèi)容合成的閉環(huán)轉(zhuǎn)化。生成路徑呈現(xiàn)三種主流模式：條件生成系統(tǒng)依據(jù)文本描述構(gòu)建視覺內(nèi)容，將語義概念轉(zhuǎn)換為空間布局；風(fēng)格轉(zhuǎn)換工具解構(gòu)原圖美學(xué)特征，實(shí)現(xiàn)藝術(shù)化重塑；端到端視頻預(yù)測架構(gòu)連接關(guān)鍵幀，自動生成過渡畫面。工業(yè)化應(yīng)用聚焦三大場景：廣告行業(yè)建立可視化原型生成系統(tǒng)，客戶提案階段快速產(chǎn)出場景預(yù)覽；影視行業(yè)應(yīng)用數(shù)字演員生成技術(shù)，降低特型演員制作成本；社交媒體平臺集成智能配圖功能，文本內(nèi)容自動匹配生成場景圖像。創(chuàng)作維度拓展到動態(tài)交互領(lǐng)域，游戲引擎結(jié)合視覺算法支持玩家輸入實(shí)時(shí)生成游戲場景，實(shí)現(xiàn)千人千面的環(huán)境體驗(yàn)。

2.2.3 生成對抗網(wǎng)絡(luò)（GAN） 在內(nèi)容創(chuàng)作中的應(yīng)用

生成對抗網(wǎng)絡(luò)為人工智能進(jìn)行原創(chuàng)性藝術(shù)探索提供了新的技術(shù)路徑，其獨(dú)特機(jī)制是模擬藝術(shù)創(chuàng)作過程的進(jìn)化特性[4]?；A(chǔ)架構(gòu)由生成器與判別器構(gòu)成動態(tài)博弈體系，生成器嘗試創(chuàng)作新作品，判別器則持續(xù)提升識別能力，推動創(chuàng)作質(zhì)量迭代，形成持續(xù)優(yōu)化的雙循環(huán)系統(tǒng)。藝術(shù)創(chuàng)作應(yīng)用聚焦三個(gè)創(chuàng)新維度：視覺藝術(shù)領(lǐng)域突破傳統(tǒng)創(chuàng)作邊界，系統(tǒng)合成人類無法想象的新風(fēng)格畫作；音樂創(chuàng)作實(shí)現(xiàn)跨流派融合，算法學(xué)習(xí)巴赫對位法規(guī)則生成電子音樂變奏；時(shí)尚設(shè)計(jì)領(lǐng)域建立智能趨勢預(yù)測系統(tǒng)，基于歷史數(shù)據(jù)生成未來流行元素組合。核心技術(shù)價(jià)值體現(xiàn)為原創(chuàng)性與隨機(jī)性的平衡控制，通過潛在空間向量操縱實(shí)現(xiàn)創(chuàng)新度的量化調(diào)節(jié)。

3 個(gè)性化推薦系統(tǒng)

3.1 推薦系統(tǒng)的分類

個(gè)性化推薦系統(tǒng)根據(jù)技術(shù)原理與數(shù)據(jù)應(yīng)用模式可分為三大基本類別，每類體系均具有獨(dú)特的工作原理與適用場景?；趦?nèi)容的推薦（Content-Based Recommendation） 是一種基礎(chǔ)性的推薦方法，該方法的核心運(yùn)行邏輯是分析用戶既往交互內(nèi)容的元數(shù)據(jù)特征，建立特征標(biāo)簽體系后匹配具備相似屬性的新內(nèi)容項(xiàng)目，實(shí)現(xiàn)精準(zhǔn)推送服務(wù)。此種推薦模式特別適合處理新興項(xiàng)目推廣任務(wù)，對新入庫內(nèi)容具有顯著的適配優(yōu)勢。協(xié)同過濾推薦方法采用完全差異化的技術(shù)路徑，通過發(fā)掘用戶群體之間的關(guān)聯(lián)行為模式建立預(yù)測模型，可分為用戶導(dǎo)向與物品導(dǎo)向兩種具體實(shí)施形態(tài)。用戶導(dǎo)向模式通過定位興趣相似用戶群體的偏好趨勢實(shí)施推薦決策，物品導(dǎo)向模式則通過分析物品關(guān)聯(lián)強(qiáng)度預(yù)測潛在需求。協(xié)同過濾在挖掘用戶潛在興趣方面表現(xiàn)卓越，但面臨新用戶決策困境。

3.2 人工智能在個(gè)性化推薦中的應(yīng)用

3.2.1 基于內(nèi)容的推薦方法

基于內(nèi)容的推薦機(jī)制構(gòu)成個(gè)性化服務(wù)的理論基礎(chǔ)，該方法聚焦內(nèi)容項(xiàng)目本身的屬性特征體系。核心技術(shù)流程包含內(nèi)容分析模塊與用戶建模模塊的聯(lián)動機(jī)制，首先通過元數(shù)據(jù)提取技術(shù)構(gòu)建內(nèi)容特征向量庫。特征體系根據(jù)不同媒介類型差異化配置，文字內(nèi)容關(guān)注關(guān)鍵詞分布特征，視聽內(nèi)容分析視覺語義與節(jié)奏模式，綜合媒體則建立多模態(tài)聯(lián)合索引系統(tǒng)。用戶偏好模型基于歷史交互內(nèi)容逆向重構(gòu)，重點(diǎn)學(xué)習(xí)用戶顯性標(biāo)記內(nèi)容與隱性關(guān)注內(nèi)容的特征共性。推薦決策階段將用戶特征矩陣與內(nèi)容特征數(shù)據(jù)庫進(jìn)行相似度比對排序，輸出匹配度最高的結(jié)果序列。該方法在冷啟動場景表現(xiàn)卓越，可有效支持新用戶引導(dǎo)與新品推廣任務(wù)。獨(dú)特優(yōu)勢在于提供強(qiáng)可解釋性機(jī)制，每次推薦都能明確展示內(nèi)容相似性依據(jù)。

3.2.2 協(xié)同過濾推薦方法

協(xié)同過濾技術(shù)構(gòu)建了社群智慧的機(jī)器學(xué)習(xí)實(shí)踐范式，該方法通過發(fā)掘用戶群體行為共性實(shí)現(xiàn)預(yù)測機(jī)制。技術(shù)實(shí)現(xiàn)呈現(xiàn)用戶協(xié)同與物品協(xié)同雙軌并進(jìn)的發(fā)展趨勢[5]。用戶協(xié)同框架重點(diǎn)解決鄰居發(fā)現(xiàn)工程問題，通過降維算法處理高維稀疏數(shù)據(jù)，構(gòu)建有效相似用戶群組。關(guān)鍵創(chuàng)新在于動態(tài)權(quán)重的即時(shí)調(diào)整策略，根據(jù)交互新鮮度與場景關(guān)聯(lián)性靈活分配相似度權(quán)重。物品協(xié)同體系則聚焦物品間隱含關(guān)聯(lián)強(qiáng)度挖掘，其核心優(yōu)勢在于大規(guī)模計(jì)算效率，尤其適合處理商品零售類場景需求。核心價(jià)值體現(xiàn)在興趣發(fā)現(xiàn)功能的突破性進(jìn)展，系統(tǒng)能夠捕捉用戶尚未察覺的潛在偏好趨勢。技術(shù)挑戰(zhàn)集中表現(xiàn)在數(shù)據(jù)稀疏的冷啟動瓶頸，當(dāng)前主流解決方案采用圖神經(jīng)網(wǎng)絡(luò)構(gòu)建補(bǔ)充路徑，通過高階連接預(yù)判潛在關(guān)聯(lián)。實(shí)時(shí)協(xié)同系統(tǒng)通過流處理架構(gòu)捕捉即時(shí)行為變化，實(shí)現(xiàn)秒級更新推薦列表。

3.2.3 混合推薦方法

混合推薦系統(tǒng)代表現(xiàn)代推薦技術(shù)的集成發(fā)展方向，通過融合多模型優(yōu)勢構(gòu)建穩(wěn)健服務(wù)架構(gòu)。典型集成策略主要通過以下路徑實(shí)現(xiàn)融合：在特征層面整合內(nèi)容與協(xié)同特征；在模型層面集成多個(gè)基礎(chǔ)模型的預(yù)測結(jié)果；以及采用動態(tài)權(quán)重分配策略優(yōu)化組合?；旌舷到y(tǒng)架構(gòu)設(shè)計(jì)采用容錯(cuò)冗余機(jī)制，單一算法失效時(shí)其他模塊可自動補(bǔ)償。創(chuàng)新集成形態(tài)包括級聯(lián)式?jīng)Q策管道與并行混合策略：級聯(lián)系統(tǒng)通過串行決策節(jié)點(diǎn)漸進(jìn)篩選優(yōu)質(zhì)項(xiàng)目，并行混合則構(gòu)建模型投票機(jī)制達(dá)成共識決策。其核心優(yōu)勢體現(xiàn)為處理極端場景的能力，既能克服冷啟動困境，又避免過擬合風(fēng)險(xiǎn)。圖神經(jīng)網(wǎng)絡(luò)通過整合內(nèi)容與互動雙重關(guān)系路徑實(shí)現(xiàn)三維決策判斷，成為復(fù)雜關(guān)系網(wǎng)絡(luò)處理的關(guān)鍵突破點(diǎn)。

4 數(shù)字媒體內(nèi)容生成與個(gè)性化推薦的協(xié)同作用

4.1 數(shù)字媒體內(nèi)容生成與個(gè)性化推薦的相互依賴性

數(shù)字媒體內(nèi)容生成與個(gè)性化推薦系統(tǒng)之間存在高度共生與相互依賴的緊密關(guān)系，二者共同構(gòu)成現(xiàn)代數(shù)字媒體生態(tài)的協(xié)同運(yùn)行核心。內(nèi)容生成系統(tǒng)持續(xù)產(chǎn)出多樣化媒體素材（涵蓋短視頻、圖文內(nèi)容及音頻作品） ，形成不斷更新的結(jié)構(gòu)化內(nèi)容庫（content repository） ，這是推薦算法得以實(shí)施并發(fā)揮效能的物質(zhì)基礎(chǔ)和技術(shù)前提。反之，個(gè)性化推薦系統(tǒng)則通過精準(zhǔn)的用戶行為數(shù)據(jù)采集機(jī)制，捕獲包括觀看時(shí)長分布、點(diǎn)贊頻率、分享路徑圖譜及評論情感傾向等多維交互信息，構(gòu)成對內(nèi)容創(chuàng)作端的直接反饋通道。這種雙向依存關(guān)系具體表現(xiàn)在系統(tǒng)運(yùn)行的各個(gè)環(huán)節(jié)：當(dāng)內(nèi)容創(chuàng)作模塊新增媒體資源時(shí)，推薦引擎將立即啟動即時(shí)匹配流程，基于用戶偏好圖譜實(shí)施定向分發(fā)優(yōu)化。同時(shí)，推薦系統(tǒng)收集的量化行為數(shù)據(jù)通過閉環(huán)反饋機(jī)制傳導(dǎo)至創(chuàng)作端，為內(nèi)容生產(chǎn)者提供實(shí)證決策依據(jù)[6]。創(chuàng)作者可據(jù)此精確識別高參與度內(nèi)容的核心特征，如熱敏題材的受眾接受閾值、敘事結(jié)構(gòu)的效率曲線、視覺元素的組合效應(yīng)等，進(jìn)而針對性調(diào)整創(chuàng)作策略。

4.2 內(nèi)容生成與推薦精準(zhǔn)度的提升

內(nèi)容生成與推薦系統(tǒng)的深度協(xié)同直接驅(qū)動了推薦精準(zhǔn)度的結(jié)構(gòu)性躍升，從而系統(tǒng)性增強(qiáng)用戶體驗(yàn)質(zhì)量。當(dāng)內(nèi)容庫的豐富性與多樣性實(shí)現(xiàn)多維度擴(kuò)展時(shí)，推薦系統(tǒng)可基于細(xì)粒度特征體系構(gòu)建多層用戶畫像模型，通過興趣圖譜、行為模式及場景標(biāo)簽的動態(tài)整合，實(shí)現(xiàn)語義級內(nèi)容匹配的精密決策機(jī)制。這種協(xié)同效應(yīng)在垂直興趣領(lǐng)域表現(xiàn)尤為顯著：系統(tǒng)能夠解析用戶行為序列中的隱性需求特征，精準(zhǔn)區(qū)隔差異化內(nèi)容偏好，并依據(jù)實(shí)時(shí)情境生成動態(tài)推薦策略。更關(guān)鍵的優(yōu)化動力源于雙向反饋回路的閉環(huán)機(jī)制——推薦系統(tǒng)積累的多維交互數(shù)據(jù)轉(zhuǎn)化為內(nèi)容生產(chǎn)的決策洞察，使創(chuàng)作者能夠識別核心吸引力要素并構(gòu)建熱度響應(yīng)模型。這種實(shí)證驅(qū)動機(jī)制將內(nèi)容創(chuàng)作從經(jīng)驗(yàn)試探轉(zhuǎn)向精準(zhǔn)生產(chǎn)范式，在降低試錯(cuò)成本的同時(shí)促進(jìn)創(chuàng)作策略持續(xù)進(jìn)化。

4.3 協(xié)同作用在用戶體驗(yàn)中的影響

協(xié)同機(jī)制對用戶體驗(yàn)產(chǎn)生深刻的系統(tǒng)性優(yōu)化效應(yīng)，核心體現(xiàn)在顯著提升了個(gè)性化服務(wù)感知度與用戶黏性本質(zhì)。當(dāng)內(nèi)容生成與推薦系統(tǒng)實(shí)現(xiàn)高效協(xié)同時(shí)，用戶能夠體驗(yàn)到一種無縫銜接、低認(rèn)知阻力的信息獲取過程，即實(shí)現(xiàn)“所見即所想”的高度個(gè)性化服務(wù)范式。該機(jī)制通過精準(zhǔn)需求—供給匹配，顯著降低用戶在海量信息中的篩選負(fù)擔(dān)，優(yōu)化使用滿意度與決策效率。此外，協(xié)同價(jià)值源于推薦系統(tǒng)的探索功能（exploration） ，通過關(guān)聯(lián)性內(nèi)容遞送策略，系統(tǒng)化引導(dǎo)用戶突破興趣舒適區(qū)邊界，在漸進(jìn)路徑中拓展信息視野。這種創(chuàng)新機(jī)制實(shí)現(xiàn)的“驚喜度”（serendipity） 效應(yīng)，成功平衡內(nèi)容契合性與認(rèn)知新穎性的辯證關(guān)系，為被動接收行為注入主動探索動能。由此產(chǎn)生的高滿意度體驗(yàn)與深度參與行為（涵蓋點(diǎn)贊密度提升、評論情感深化及分享網(wǎng)絡(luò)擴(kuò)展） 形成用戶忠誠度的強(qiáng)化基礎(chǔ)。多維互動數(shù)據(jù)通過閉環(huán)反饋機(jī)制持續(xù)優(yōu)化系統(tǒng)參數(shù)，最終構(gòu)建可持續(xù)演進(jìn)的良性互動生態(tài)，完成從信息傳遞工具到認(rèn)知協(xié)作伙伴的服務(wù)范式躍遷。

5 結(jié)論

人工智能技術(shù)在數(shù)字媒體內(nèi)容生成與個(gè)性化推薦領(lǐng)域的深度融合，標(biāo)志著媒體產(chǎn)業(yè)智能化轉(zhuǎn)型的核心突破。研究表明，智能內(nèi)容生成系統(tǒng)通過自然語言處理、計(jì)算機(jī)視覺及生成對抗網(wǎng)絡(luò)等技術(shù)，實(shí)現(xiàn)了創(chuàng)作效率的范式躍升與內(nèi)容形態(tài)的邊界拓展；個(gè)性化推薦體系則依托多模態(tài)分析、協(xié)同過濾與混合推薦架構(gòu)，構(gòu)建了精準(zhǔn)化的用戶服務(wù)通道。二者的協(xié)同效應(yīng)構(gòu)成數(shù)字媒體生態(tài)的核心驅(qū)動力：內(nèi)容生成系統(tǒng)為推薦機(jī)制提供動態(tài)優(yōu)化的物料基礎(chǔ)，推薦反饋數(shù)據(jù)則指導(dǎo)內(nèi)容創(chuàng)作的精準(zhǔn)定向，形成閉環(huán)價(jià)值提升鏈路。未來技術(shù)迭代需重點(diǎn)突破原創(chuàng)性保護(hù)機(jī)制、隱私安全框架與倫理治理體系等關(guān)鍵挑戰(zhàn)，通過構(gòu)建負(fù)責(zé)任的創(chuàng)新生態(tài)，推動數(shù)字媒體服務(wù)向更具包容性與可持續(xù)性的智能范式演進(jìn)。

參考文獻(xiàn)：

[1] 羅輝.基于人工智能技術(shù)建設(shè)數(shù)字媒體技術(shù)專業(yè)教學(xué)資源庫的策略[J].印刷與數(shù)字媒體技術(shù)研究，2025（3）：274-280.

[2] 張磊.人工智能時(shí)代數(shù)字媒體技術(shù)專業(yè)課程體系重構(gòu)與優(yōu)化路徑[J].印刷與數(shù)字媒體技術(shù)研究，2025（3）：113-119.

[3] 何艷婷，李繼林.人工智能技術(shù)驅(qū)動下數(shù)字媒體藝術(shù)專業(yè)增值評價(jià)的構(gòu)建路徑[J].印刷與數(shù)字媒體技術(shù)研究，2025（3）：281-287，323.

[4] 藺云云.人工智能時(shí)代數(shù)字媒體設(shè)計(jì)的智能化轉(zhuǎn)型與創(chuàng)意策略剖析[J].數(shù)字化傳播，2025（5）：72-74.

[5] 吳奕非.人工智能技術(shù)在數(shù)字媒體藝術(shù)專業(yè)實(shí)踐能力培養(yǎng)中的應(yīng)用研究[J].劇影月報(bào)，2025（2）：114-116.

[6] 潘欣，趙秀華.人工智能技術(shù)背景下的數(shù)字媒體藝術(shù)專業(yè)智慧型課程模式構(gòu)建研究[J].電腦知識與技術(shù)，2025，21（10）：107-109.

【通聯(lián)編輯：唐一東】