1、精選優質文檔-傾情為你奉上智能媒體系統框架及設計研究Abstract: With the development of big data, cloud computing and artificial intelligence technology, smart media is the trend of media development. This paper designs the framework of smart media system based on the actual needs of media business and the characteristics of i

2、ntelligent technology. According to the business process of smart media, which include data acquisition, topic planning, content production, program broadcast, user analysis, data mining and data storage, this paper introduces the characteristics and selecting methods of different intelligent techno

3、logies in different work department. These are helpful for how to construct smart media systemKey words: Intelligent media; Media system framework; Intelligent technology隨著大數據、云計算、人工智能、虛擬增強現實、物聯網等技術的不斷發展，其對于商業智能化變革作用越發凸顯，人們未來工作和生活也必將離不開智能技術。這些新興技術看似前不久還遠離媒體行業，但正飛速的向傳媒業推進。隨著技術的變革，用戶接受信息的習慣也在發生著巨大改變，不

4、再拘泥于傳統的收看和收聽。外部環境和內部結構的變化成為媒體機構進行智能轉型的動力。對于電視臺、廣播、報紙和新媒體等機構來說，在媒體智能化發展的道路上提早布局、穩步推進已經成為必經的戰略路徑。針對智能媒體系統的應用需求和技術前景，本文設計智能媒體系統框架，并分析開發這個系統不同模塊所需要的智能技術和工具，最后探討構建智能媒體系統時技術與工具的選擇準則。1 智能媒體系統研究現狀和意義1.1智能媒體系統智能媒體系統是為了實現媒體的策、采、編、播、控各個環節及整體運行的智能化，將智能技術、現代通信技術、計算機網絡技術等與媒體的業務相結合，通過對用戶的感知和互動，為其提供更優質的服務體驗的系統。它具有互

5、動、開放、智能特征，系統中不僅包含了智能化軟硬件，還融合了以用戶為中心的理念，改變了傳統媒體策、采、編、播、控等一系列技術環節，讓用戶不再只是被動的信息接收者。隨著新媒體的快速發展和用戶接收信息的方式多樣化，傳統媒體受到了很大的沖擊，用戶依賴社交應用獲取新聞已經占主導，數據顯示我國民眾通過社交媒體獲得70%以上的外界信息胡正榮. 媒體的未來發展方向:建構一個全媒體的生態系統J. 中國廣播,2016,(11):48-52.。正是因為社交媒體的共享、互動和信息快速傳遞的特點吸引著廣大用戶。未來媒體發展趨勢是平臺化、智能、場景化、沉浸式的，媒體應當在把握自身求實性和權威性等優勢的基礎上，構建智能媒體

6、系統，將互動、共享、信息的實時傳遞融入系統中，以為用戶提供優質、個性化的服務為目標，讓媒體行業煥發新的生機。1.2智能媒體系統發展現狀1.2.1智能媒體技術研究現狀學界和業界針對智能媒體系統進行了一些研究和實踐。在媒體策采編播控各個環節智能媒體技術的運用都開展了相關的研究。數據新聞、機器人寫作和新聞的自定義推送等已經有了相當成熟的理論支持和實踐經驗。無人機、機器新聞、虛擬增強現實、智能硬件及大數據等技術不斷向媒體行業滲透，使得信息采集、加工、傳播與交互主體逐漸泛化，大大拓展了過往由人所主導的媒體空間(向安玲，2016)向安玲.全息、全知、全能未來媒體發展趨勢探析J. 中國出版,2016,(02

7、):3-7.。物聯網技術應用于媒體領域也是智能媒體發展的重要方向，媒體進化呈現出“萬物媒介化”和“人媒介物”三位一體化的趨勢(曹三省等，2016)曹三省,蘇紅杰. 物聯網+媒體:當下與未來J. 新聞與寫作,2016,(11):7-10.。智能媒體可在云技術的支持下對海量信息分類、過濾，將基于受眾生成的價值服務于受眾(王垚，2015)王垚,齊建明. 大數據背景下智能媒體的人本特性探析與展望J. 科技創新導報,2015,(30):30-31.。程耀東等(2015)指出媒體大數據智能服務平臺涉及到的技術包括分布式采集技術，海量數據管理技術，網絡媒體行為分析技術和智能推薦技術程耀東,周旭,王聰.基于媒

8、體大數據的智能服務平臺技術研究J.現代電視技術,2015(04): 26-29.。Taha Osman(2014)利用語義技術實現了數字圖像的智能索引和檢索 Osman, Taha; Thakker, Dhavalkumar; Schaefer, Gerald.Utilising semantic technologies for intelligent indexing and retrieval of digital imagesJ. COMPUTING, 2014, 9(96): 651-668.。Fortino G等（2008）利用GRID、P2P和代理技術，開發了內容分發網絡(CDN

9、) Fortino. G, Russo. W. Using P2P, GRID and Agent technologies for the development of content distribution networksJ. FUTURE GENERATION COMPUTER SYSTEMS-THE INTERNATIONAL JOURNAL OF GRID COMPUTING THEORY METHODS AND APPLICATIONS, 2008, (24):180-190.。今日頭條在實現智能化過程中使用的技術主要包括社交和用戶行為分析、自然語言處理和圖像識別技術、基于機器

10、學習的推薦技術、實時海量數據處理技術和人群精準定位技術(呂尚彬等，2016)呂尚彬,劉奕夫.傳媒智能化與智能傳媒J. 當代傳播, 2016, (04): 4-8.。1.2.2 智能媒體系統的研究現狀國內外學者對智能媒體系統開展了初步探索。彭蘭(2016)從信息生產的角度分析了智能媒體可能的發展方面：用戶分析與匹配的場景化、智能化與精準化；新聞生產的機器化、智能化與分布式；新聞傳播的泛在化、智能化與新聞體驗的臨場化；互動反饋的傳感化與智能化 彭蘭. 智媒化:未來媒體浪潮新媒體發展趨勢報告(2016)J. 國際新聞界, 2016 (11): 6-24.。Georgios Gardikis等提出了一

11、種媒體生態系統的架構，在其中終端用戶和服務提供商可共享和發布基于多媒體的服務 Gardikis Georgios, Xilouris George Kourtis Anastasios, Pallis Evangelos, Negru Daniel, Chenv Yiping, Anapliotis Petros. Media Ecosystem Deployment in a Content-Aware Future Internet ArchitectureJ.IEEE Symposium on Computers & Communications,2011,34(17):544-

12、549.。Georg Güntner等(2006)提出了智能媒體框架，其中包括智能媒體資產管理系統、推薦系統、元數據系統、視頻導播系統和實時播報系統 Güntner G, Behrendt W, Buerger T, et al. State of the Art Report Intelligent Media FrameworkJ. 2006.。曹彬等(2010)開發了一種基于云計算平臺Live Mesh的流媒體應用系統，可實現不同終端之間的即時切換和斷點續播曹彬,程久軍,閆春鋼. Study for the Streaming Media Application Ba

13、sed on Live Mesh of Cloud ComputingJ. 計算機科學, 2010, 37(11):92-96.。JNKLiu等(2005)研制了一個基于人工智能技術的智能財經新聞摘要系統，可對財經新聞進行在線分析 Liu, JNK; Dai, HH; Zhou, L. Intelligent Financial News Digest SystemC.9th International Conference on Knowledge-Based Intelligent Information and Engineering Systems, PROCEEDINGS:LECTU

14、RE NOTES IN ARTIFICIAL INTELLIGENCE2005(3683): 112-120.。智能媒體關鍵技術包括大數據、云計算、機器人、無人機、人工智能(Artifical Intelligent, AI)、虛擬現實(Virtual Reality, VR)、增強現實(Augmented Reality, AR)、推薦系統等軟硬件技術，這些技術適用于媒體系統的不同環節。盡管今天有很多媒體機構嘗試在生產的某些環節運用智能技術，提升了這些環節的生產效率，但是大部分媒體并不能將智能技術融入到生產的各個環節，沒有實現整個媒體機構的智能化，因此智能媒體系統的構建還需要深入探索。2 智

15、能媒體系統框架通過對媒體現實環境和已有研究的深度分析，本文提出智能媒體系統框架，如圖1所示。系統由5個層次組成：智能終端層、交互層、數據分析層、數據存儲層和智能媒體云平臺。最上層為智能終端層，用戶通過智能終端設備接入智能媒體系統。能夠接入系統的設備包括電視機、電腦、手機、平板電腦、車載設備、手表或其他智能設備。交互層提供用戶與系統交互的界面，在智能搜索引擎和智能分析引擎的支撐下，一方面系統根據用戶信息（包括用戶的基本信息，以往的收視行為，用戶訂購業務和用戶評價等），進行用戶畫像，為用戶提供媒體內容和廣告的精準推送；另一方面也為用戶提供智能媒體搜索和智能媒體導航功能，讓用戶自主選擇內容；同時，系

16、統接收用戶對系統服務的反饋，進一步了解用戶需求，為系統優化提供支持。第三個層面是數據分析層，在海量數據的基礎上，通過數據建模，實現數據挖掘。在對媒體數據和用戶數據建模分析的基礎上，進行選題的策劃，節目編排設計，用戶群分類，用戶畫像，節目效果的分析和評價等，實現對智能媒體策、采、編、播、控各環節的決策支持。第四個層為數據存儲層，在云平臺的支撐下，存儲海量的媒體資源信息和用戶信息以及其他相關信息，包括基礎數據、索引和元數據等等。媒體資源信息包括媒體機構制作的內容，自媒體產生的內容，素材庫等。最下層為系統的云平臺，是我們實現智能媒體系統所必須的支撐平臺。通過智能技術的引入，降低媒體的生產成本，提高生

17、產效率，及時、準確、精細地進行內容生產和服務。圖1 智能媒體系統框架3構建智能媒體系統關鍵技術和工具及其選擇準則3.1智能媒體系統關鍵技術和工具本文結合媒體生產環節，將構建智能媒體系統涉及到的關鍵技術和工具分成7類：智能媒體數據采集、智能媒體內容策劃、智能媒體制作、智能媒體內容播出、媒體數據分析、媒體數據挖掘和數據存儲技術，并整理出目前可以使用的部分工具和軟件，如表1所示。表1. 智能媒體系統主要技術表智能媒體技術類型相關技術和工具工具示例（Tool Examples）工具提供商智能媒體數據采集數據采集Flume：實時日志收集系統ClouderaQuickCode：可從多種數據源獲取數據，生成

18、自定義視圖Sensible Code CompanyNeedlebase：可編寫代碼自動化抓取公開網站信息Google八爪魚()：可抓取超過98%的網頁數據及60%的移動端數據深圳視界信息技術有限公司媒體數據采集Banjo：收集了全球十億級的公共服務信號，其中包括急救服務、社交媒體、交通、氣象服務以及其他一些數據源。Banjo數據清洗Google Refine：完成數據清洗Google智能媒體內容策劃媒體信息檢索Bing Autosuggest API：向Bing 發送部分搜索請求，用戶獲得建議列表MicrosoftBing News/Image/Video/Web Search API：向B

19、ing 發出新聞、圖像、視頻等請求，用戶獲取搜索結果Microsoft廣告媒體策劃Google Ad Planner：可以用于確定各種網站的訪問量，統計用戶結構、地理位置、語言等信息Google智能媒體制作語音與文本相互轉換Speech API：語音轉換成文本工具Google Bing Speech API：語音轉換成文本，及文本轉換成語音Microsoft語言翻譯Translate API：提供超過90 種語言的翻譯功能Google情境化語言處理Entity Linking Intelligent Services：情境化語言處理工具Microsoft文本編輯Bing Spell check

20、 API：拼寫檢查工具MicrosoftARDuSee：面向智能手機的現實增強平臺，整合了百度移動搜索和地圖功能百度智能媒體內容播出媒體作品推薦Recommendations API：個性化產品推薦Microsoft智能搜索和個性化新聞推薦百度移動APP 8.0：采用了AI、自然語言處理和深度學習等技術，實現智能搜索和個性化新聞推薦百度語音控制DuEr(百度秘書)：語音控制的AI個人助理百度語音、圖像和視頻識別Vision API：圖像識別工具Google深度語音2：基于巨大神經網絡的語音識別工具百度阿里云ET 視頻、圖像和語音識別的整體解決方案套件阿里巴巴智能對話機器人阿里小秘 AI 客服阿

21、里巴巴新聞報道機器人Dreamwriter, 中國第一個新聞報道機器人騰訊媒體數據分析圖像情感識別Emotion API：情緒識別Microsoft人臉檢測及識別Face API：人臉識別MicrosoftVideo API，從視頻中進行人臉跟蹤、移動檢測等MicrosoftYoutu騰訊優圖開放平臺：人臉識別等騰訊數據分析SAS：統計分析工具NORTH CAROLINA州立大學SPSS：統計分析工具IBMCrystal Reports：報表類工具SAPTableau：數據可視化分析工具Tableau非結構化文本數據分析Cloud Natural Language APIGoogle媒體數據挖

22、掘機器學習Azure Machine Learning：機器學習可視化平臺MicrosoftSAS Enterprise Miner：數據挖掘工具SASAmazon Machine Learning：機器學習軟件AmazonCloud Machine Learning：機器學習軟件GoogleGoogle Cloud Machine Learning：使用戶可以構建機器學習模型的托管服務，集群上訓練GooglePrediction API ：機器學習及預測分析工具GoogleLanguage Understanding Intelligent Service (LUIS) ：語言理解軟件Mic

23、rosoft百度大腦，百度的人工智能平臺百度Paddle，百度開源的深度學習框架百度DT PAI 基于阿里云的機器學習平臺阿里巴巴數據挖掘SAS Enterprise Miner：數據挖掘工具SASRapidMiner ：大數據挖掘和圖像分析RapidMinerKNIME：數據挖掘KNIME媒體數據存儲云計算阿里云：包括GPU，可用于視頻解碼，圖形渲染，深度學習，科學計算等應用場景阿里云AWS：提供計算、存儲、數據庫、分析、聯網、移動產品、開發人員工具、管理工具、物聯網、安全性和企業級應用程序等服務。Amazon百度云：提供云服務、GPU等百度數據來源：高盛，互聯網公司的最新研究進展和研究成果

24、，管理咨詢公司的相關研究報告，企業調研雖然媒體生產各方面的技術和流程已經成熟，或正向智能化邁進，但在確定一個選題、制作一個節目或節目片段時都需要進行策劃。在策劃時，可以利用大數據技術進行數據挖掘和分析，挖掘數據背后隱藏的內容和線索，發現數據背后的民生、經濟、文化、時政等熱點問題，據此產生選題和節目創意。媒體大數據的來源很廣，最大的來源是各種網站，包括社交媒體網站。在互聯網的時代，每個人都是一個信息源。大量原創和衍生信息出現在網絡，媒體運用智能技術進行實時的內容采集。數據采集工具很多，例如Flume支持在日志系統中定制各類數據發送方，用于收集媒體數據；QuickCode可從多種數據源獲取數據，生

25、成自定義視圖；Needlebase可編寫代碼自動化抓取公開網站；可抓取超過98%的網頁數據及60%的移動端數據，這些軟件或技術都可以為媒體所用。還可以利用無人機、拍攝機器人、無線射頻識別和傳感器技術等形成高效、實時、互動的智能內容采集系統。對采集到的數據進行清洗和有效管理，例如自動分類、自動摘要、自動查重及相似性分析、自動聚類等知識管理技術；方便人們對資源的隨時調取，進行數據挖掘。在媒體內容制作時，可以用到的技術和工具有：語音文字互換技術，情景化語言處理工具、虛擬/增強現實技術、機器人等等完成內容的制作，文字的撰寫。在媒體內容播出時，可以采用智能推薦技術，為用戶量身定做個性化推薦節目單。為了實現智能化推薦，可以對收集到的受眾信息，進行情感識別、人臉識別、聲音圖像識別等，采用數據挖掘、分析工具進行深度挖掘。云計算技術可以作為智能媒體系統的支撐技術，用于存放海量的媒體大數據。3.2構建智能媒體系統技術和工具選擇準則可以說智能媒體系統是一類復雜的管理信息系統，將由許多子系統和模塊構成