量子位 | 公众号 QbitAI. 号称“史上最强大的视频生成AI”诞生了. 一句提示词就能生成，主打一个高清、16:9电影画质. 超现实主义、动漫、奇幻……各种风格全包揽. 加入Discord社区立马就能玩. 知道《星际迷航》中的全息甲板吗. 知道Stable Diffusion、DALL-E或Midjourney吗.

近年来，日本出品了不少表现青年人爱情纠葛的电影，并且这些不同的作品之间存在着某种互相对照、解答、补充，甚至是情绪蔓延的互文. 比如今泉力哉以片名《爱情是什么》提出的诘问，其他导演可以直接用片名来回答. 对于过眠症和躁郁症的女孩来说，爱情是病症的解药，《只有爱能让我生存》；在少男少女飘忽不定的选择障碍中爱情不过是《热情花招》；在夏日函馆的两个男生眼里，爱情是《你的鸟儿会唱歌》；又或者女孩疲于在长相相似的挚爱和替代者之间游离，爱情恐怕就是《睡着也好，醒来也罢》.

你以为大家都知道的事，起码有一亿人不知道，分享一下网上动辄 188 所谓的低价电影票出票技术是怎么回事. 起初是我手里有两张万达皮卡丘的电影票，我嫌远就买了别的电影院看了，就想着转卖出去，不知道多少钱合适，就去咸鱼参考一下价格，然后在鱼塘对低价电影票产生了兴趣. 根据我之前薅羊毛的经验，我猜测就是利用信息差，优惠券变现的手段，但是在鱼塘里看到很多免费收代理，188 收徒，传授出票技术，轻松月入过万，我就纳闷了这里面有什么高深的技术.

截至发稿前，《复联 4》全球票房达到 23 亿美元，超越《阿凡达》登上影史票房冠军宝座只是时间问题. Box Office Pro 预计《复联 4》将会在 5 月 24 日 -27 日达成这一里程碑. ▲《复联 4》全球票房已经超越《泰坦尼克号》. 这两周你走进国内任何一家电影院，几乎过半的排片都给了《复联 4》，拓普智库数据显示，上映至今《复联 4》的平均排片占比达到了 71%，在过去的五一假期《复联 4》独占了 超过八成的票房.

既然题主提到了《独立日》，里面最震撼我的就是外星人毁灭地球地标建筑的镜头，所以在这里，我想说一说电影里涉及的 物理特效技术，让我们从发展史的角度看看中美之间的差距. 在90年代甚至之前的美国电影里，我们能够 肉眼可见的差距往往在于 灾难片、 科幻片、 怪兽片等超越现实的题材类型.

“影视行业”，顾名思义就是“电影与电视行业”；一般而言，它包括电影、电视剧、网剧、综艺节目等. 我的问题是：这个行业真的存在吗. 粗略看来，我的问题似乎很无厘头：“影视行业”怎么可能不存在呢. 在资本市场眼中，它是传媒娱乐行业最大的子行业，包括数十家上市公司、数以百计的大中型公司；它为数十万人提供了就业机会，为数亿观众提供了娱乐选择，是互联网巨头最重要的内容供应商之一.

进入到新的一年，对于 2018 年完整一年的数据统计就可以开始了. 日前老牌票房网站 Box Office Mojo 就公布了 过去一年全球票房前 10 名的电影名单，其实基本上也可以想到其中的大部分片名——超级英雄作品成为毫无疑问的票房收割机，而这当中漫威系足够抢眼， 漫威的“超英”占到 4 部，其中还有无法在大陆上映的《死侍 2》，另外差一丢丢就上榜的第 11 名是《蚁人 2：黄蜂女现身》（6.23 亿美元）.

2018 年还有不到一个星期就截止了，各大主流媒体也纷纷亮出了自己的年度十佳电影、英剧、美剧或日剧的榜单. 在这里，我也跟风一下，写一写我心中的几部年度优秀电影和影视剧. 主演：弗兰西斯·麦克多蒙德 / 伍迪·哈里森 / 山姆·洛克威尔 / 艾比·考尼什. 「片子能引进，本身也是一种进步了. 因为住在小地方，所以片子上映的时候，电影院并没有拍片，所以赶到隔壁市去看，看完之后一点也不失望，只有两个字——优秀.

基于电影知识图谱的智能问答系统系列章节传送门：. 基于电影知识图谱的智能问答系统（一） -- Mysql数据准备. 基于电影知识图谱的智能问答系统（二） -- Neo4j导入CSV文件. 基于电影知识图谱的智能问答系统（三） -- Spark环境搭建. 基于电影知识图谱的智能问答系统（四） -- HanLP分词器.

自从Mikolov在他2013年的论文“. Efficient Estimation of Word Representation in Vector Space”[1]提出词向量的概念后，NLP领域仿佛一下子进入了embedding的世界，Sentence2Vec、Doc2Vec、Everything2Vec.

      这个我们的电视剧拍成这样是为什么我就不说了，因为一般电视人会把原因归结为广电总局. 说这也不让拍那也不让拍，反正有错都是制度的错，他们自己的才华能力一点问题都没有，放他们去好莱坞一定会得终生成就奖.     我今天就说说《摩丝探长前传》这个系列英剧吧，好在哪里，肉眼可见.       说实话，半夜看这剧，我还有点怕.

这里来探讨下，《寻梦环游记》背后的隐藏剧情. 华纳和吴宇森可能怎么也没想到，一部前期低排片的动画会依靠口碑爆棚，生生杀出一条血路，票房登顶. 仅仅在国内上映四天，《寻梦环游记》的排片就已经与《正义联盟》和《追捕》并驾齐驱——实际上在一线城市，Coco 的排片已经超过正联和《追捕》. 相比正联在国内铺天盖地的宣发，和靠《英雄本色》重映助威的《追捕》，Coco 的成功所依靠的，更多的是电影质量本身.

一、 为什么购物中心一层都不设有卫生间. 这个问题不能一概而论，成都这边我逛过的购物中心设与不设的都有，自己做过的项目也有设和不设的. 自己总结了一下，不一定对，说出来和大家分享一下. 信息收集自自己项目经验+逛街经验，不一定准确，希望知道的各位指正～. 不设卫生间的都是一些比较老、单层建筑面积小、地理位置比较好的，如春熙路伊藤、大业路财富中心、伊势丹、新世界百货.

如果我伸出手臂，我会触碰到你，. 我甚至可以感受到你泪水的滋味……. 像你现在这样贴近我的脸…… ". ——让·爱波斯坦《你好，电影》. 电影给我们带来了很多重人生的体验，哪一幕，你曾经猝不及防潸然泪下. 我们在微博@WeLens 问过这个问题. 粗略统计了一下，提到次数最多的是《天堂电影院》的结尾，和《忠犬八公》最后八公奔波憔悴的画面.

插图by Serena Malyon. 导读：随着《奇异博士》，《神奇动物在哪里》，《我不是潘金莲》，《比利·林恩的中场战事》等好片相继登陆，我们终于迎来了电影史上最强十一月. 探讨完讲故事是有效的沟通方式，玛丽苏的六种套路，以及神经学怎样帮助我们看电影，我们发现，看电影能止痛，还能增强集体归属感.

永远不要恨你的敌人，那会影响你的判断力. 你知道，有些鸟儿是注定不会被关在牢笼里的，它们的每一片羽毛都闪耀着自由的光辉. 生活就像一盒巧克力，你永远不知道下一块会是什么味道. 事情总是这样的，只有当你真正感受到对死亡的恐惧，你才会学到要珍惜生命. 这样确切的爱，一生只有一次. 发生了就发生了，为什么一定要有意义?.

面对近日的“恶评”风波，豆瓣的回应是一份榜单，一份满载好电影的榜单. 28 日晚上，豆瓣电影发布一年一度的榜单. 这份榜单是基于 2016 年豆瓣用户在豆瓣平台对影视作品的评分、标记和访问数据，再结合评价人数和上映时间，综合考虑而成. 今年豆瓣有哪些喜闻乐见的好电影. 2016 评分最高的华语电影：《 驴得水》 8.3.

有很多好回答珠玉在前，我谈谈自己的看法. 我自己看待一部电影时主要有两个最重要的方面，技巧和价值：它的技术技艺是否成熟甚至有所突破. 而这两个标准同样也是，我以为，创作者在过程中需考虑的方面. 作为视听艺术的电影，其种类、形式繁多；单单以“好”“烂”来对一部作品一言以蔽，对于表达个人好恶而言是足够的；但任何人的个人喜好都不相同，甩下一句“我就是不喜欢”，固然掷地有声，但是十分无趣.

李安｜来自网络 李安电影里东方美学与西方表达的贯融，使他成为鲜少的，能同时被世界主流电影观众接受并喜爱的导演之一. 以下这六部电影，是李安选择的对其影响最深的作品，我们可在其中感受他在情感、美、艺术与精神上的平衡；同时他也强调：“ 这些不是我的最爱，但他们改变了我的人生”，分享给读者一窥究竟. 2001太空漫游（ 2001 : A Space Odyssey，1968）.

采集豆瓣电影数据包括电影详情页数据和电影的短评数据. 需要保存这些详情字段如导演、编剧、演员等还有图中右下方的标签. 需要保存的字段有短评所属的电影名称，每条评论的详细信息如评论人名称、评论内容等. 有了如上的需求，需要设计表，其实很简单，只需要一张电影详情表movie和一张电影短评表comments，另外还需要一张存储网页提取的超链接的记录表record.

随着大数据时代的到来，数据当中挖取金子的工作越来越有吸引力. 利用Spark在内存迭代运算、机器学习领域强悍性能的优势，使用spark处理数据挖掘问题就显得很有实际价值. 这篇文章给大家分享一个spark MLlib 的推荐实战例子. 我将会分享怎样用spark MLlib做一个电影评分的推荐系统.

转眼间2016年即将过去，各种盘点又集中出炉. 今天我们注意到一个有些特别的榜单——日本本土电影票房排名. 这份榜单特殊之处在于其所收录的今年日本票房最高的10部电影中全部都是于漫画、动画相关的影片. 其中， 6部剧场版动画，3部漫画改编真人电影，还有1部特摄，而且借助《你的名字》和《新哥斯拉》两部作品的高票房成绩.

又好一阵子没有写文章了，阿弥陀佛...最近项目中要做理财推荐，所以，回过头来回顾一下协同过滤算法在推荐系统中的应用.     说到推荐系统，大家可能立马会想到协同过滤算法. 本文基于Spark MLlib平台实现一个向用户推荐电影的简单应用. 基于模型的协同过滤应用---电影推荐.     一、协同过滤算法概述.

正值暑假，美国电影大榜单在此奉上. 此前，BBC邀请来自全球的62位知名影评人，投票选出史上最伟大的100部美国电影. 榜单上大多数都是经典佳片，最年轻的影片是2013年的《为奴十二年》，而最古老的则是1915年的《一个国家的诞生》. 《乱世佳人》都仅排名97位，你能想到第一名是哪部吗. 100 倒扣的王牌（Ace in the Hole，1951）.

使用Spring Cloud和Docker构建电影推荐微服务. 如果你对云应用很了解，可以直接移步下载运行项目（https://github.com/kbastani/spring-cloud-microservice-example），或跳转到部署步骤，. 本博客系列将向你介绍一些使用Spring Cloud和Docker构建微服务平台的基本概念.

6 月 28 日，在 TechCrunch 2016 上海峰会上万合天宜 CFO 陈伟泓参与了文创生态主题的对话，以下是经 36 氪整理后的部分实录： . 做一个剧就会有一个细胞分裂. 陈伟泓：“可以把我们万和天宜想像成原创人才的孵化空间. 我们的公司组织结构跟一般的公司不太一样，有八个大的制片人工作室，下面有 30 多个制片人，这些制片人会根据对市场的认识来组织不同的题材.

前面的两篇文章分别使用Spark mllib ALS实现了Model-based协同过滤推荐系统和使用Mahout实现了User-based的协同过滤推荐系统. 我们再来回顾一下item-base CF算法的特点：. 物品数明显小于用户数的场合，否则物品相似度矩阵计算代价很大. 适合长尾物品丰富，用户个性化需求强的领域.

协同过滤（Collaborative Filtering），简单来说是利用某兴趣相投、拥有共同经验之群体的喜好来推荐使用者感兴趣的信息，个人透过合作的机制给予信息相当程度的反馈（如评分）并记录下来以达到过滤的目的进而帮助别人筛选信息，反馈不一定局限于特别感兴趣的，特别不感兴趣信息的纪录也相当重要，比如浏览信息，收藏，分享，点击等.

推荐算法就是利用用户的一些行为，通过一些数学算法，推测出用户可能喜欢的东西. 随着电子商务规模的不断扩大，商品数量和种类不断增长，用户对于检索和推荐提出了更高的要求. 由于不同用户在兴趣爱好、关注领域、个人经历等方面的不同，以满足不同用户的不同推荐需求为目的、不同人可以获得不同推荐为重要特征的个性化推荐系统应运而生.

动画已经不只是小孩子的专利了，一部好的动画电影就总能用最诗化的叙事方式，陈述让人产生共鸣的情感或社会的真实百态. 以下这些是最近外国网站tastelfcinema选出在[21世纪以来最杰出的日本动画电影]，你错过多少了. 新海诚的作品以精致细腻的作画风格见长，在备受欢迎的《秒速五厘米》便可窥知一二.