解析全媒体内容库的内容挖掘与可视化

　　摘要：为了实现全媒体内容库中资源有效利用及用户服务的提升，本文首先对其内容服务的需求进行分析，着重介绍了相关内容挖掘及可视化技术，并对全媒体内容库核心模块的功能设置进行介绍，希望对全媒体数据库建设发展有借鉴作用。

　　关键词：全媒体内容;智能化;内容挖掘;可视化

　　《中国多媒体与网络教学学报(电子版)》(月刊)，创刊于2002年，是经国家新闻出版总署批准的中央级电子期刊,是国内很久以前以多媒体形式发表中小学信息化教学改革前沿成果的学术期刊群,是教育部重点成果的发表平台之一,由教育部主管、清华大学主办、清华同方光盘电子出版社出版。

　　一、全媒体内容服务需求分析

　　如今，媒体融合已成为趋势，媒体融合平台的搭建为媒体内容管理和服务提供了新的渠道和思路，而全媒体内容库是其关键部分，有利于全媒体资源的统筹管理。全媒体内容库的作用主要体现在全媒体信息的共享、检索和调用方面，使平台所有媒体资源获得更深层次的开发利用，还能对全媒体运营、策划以及生产等起到有力支撑作用。如今，各类新媒体发展迅速，网络环境更加复杂，如何帮助用户获取有价值的媒体内容，优化媒体内容服务流程，搭建行业可视化模型库成为需要解决的问题。

　　面对庞大的全媒体内容，用户仅依靠传统分类、搜索等功能很难得到有用信息，需要借助更加智能化的工具提高检索效率，挖掘价值内容。要依據用户需求，提供精准服务，在确定用户目标的情况下应借助搜索工具帮助其快速、准确的得到目标内容，若用户对自身需求也不确定时，应体现全媒体内容智能服务特点，主动智能分析客户需求，帮助客户逐步明确并得到所需内容。全媒体内容库的开发利用要兼具数据分析和可视化功能，特别是诸多可视化分析工具的应用，实现了更加便利、直观、高效的内容库分析功能，优化了用户体验。

　　二、内容挖掘及可视化技术

　　(一)全媒体内容的特征提取

　　从多媒体类型上划分全媒体内容有视频、音频、图像以及文本等形式，对于不同的内容对象其特征往往需要从多个角度分析，如何准确的提取出内容特征是了解和利用全媒体内容的关键。

　　1.文本特征提取

　　对于多媒体中的文本信息来说，其特征主要为词性、词义、关键词以及包含的情感等，为了更准确、快速的提取文本特征，这里需要用到自然语言处理技术。

　　2.图像特征提取

　　对于图像来说，既包含图片中文本信息的提取，又包含图像特有的背景、人物、物体等信息的特征描述，将人工智能应用于内容库中图像特征分析，可对图像特征以文字的形式予以描述。为了挖掘图像的更深层的特征，更好理解图像表达的内容，应从不同维度生成图像相关的不同特征向量，并通过特征向量的对比、分析以及计算，可准确把握图像内容。

　　3.音频特征提取

　　在全媒体内容库中，音频媒体的分析处理也需要借助人工智能技术，为了获取音频特征，可有两条途径：一是进行音频语音的智能识别，并将其转化为文本形式，然后再利用文本特征提取方法挖掘音频内容，该方法局限于人类语言内容的音频;二是从声乐特征的角度进行分析，提取音频中所包含的声纹特征、音调、音色等。音频特征提取之后的分析计算有助于音频媒体中内容的把握。

　　4.视频特征提取

　　对视频来说，可以概括为以上三类媒体类别的综合体，需借助智能处理技术意义分析，所包含内容层次更多如场景、人物、声音以及文字等。为获取视频特征，需要对视频中出现的所有信息进行分类识别，可采用分帧处理或者单独提取音频和文本的方式处理，视频特征的分析计算也是必须的。

　　(二)基于标签的内容分析

　　由于全媒体内容特征数量庞大，若对特征信息准确分类和快速提取，需要利用好“标签”的概念，对于多媒体内容的特征以标签的形式进行描述，可描述的内容不固定可以是选题、报道等。标签与分类不属同一概念，以某个全媒体内容来说，所属分类的维度有限，通常只能简单分为几类，相对来说比较固定，而对于标签来说，则不存在数量限制，可从各个维度进行表述并自由添加。鉴于标签的特征，面对日益庞大的全媒体内容，可将标签用于内容管理中去，通过多维度管理更能提高多媒体数据利用效率。要针对多媒体内容进行特征分析，选取有代表性的、明显的内容特点并将其设定为标签，多重维度的标签有助于媒体内容的准确定义以及海量内容的有效挖掘。内容标签的设置大大提高了目标内容的快速提取，对全媒体内容挖掘带来极大便利，而且标签的作用还体现在多媒体内容的管理方面，可以更加高效的进行组织和整理。面对未知的全媒体内容，若要发掘其中有价值的内容，在人工智能技术支持下，标签为客户提供了探索发现的钥匙。借助于内容标签，全媒体内容特征更直观的展现在用户面前，更易发现用户所需求的内容，这体现了标签的使用价值。

　　(三)多种媒体的可视化技术

　　为了将全媒体内容库中的不同媒体形式的内容进行可视化展示，常用方法有：2D/3D图表、数据列表、地图分布、数据模型等，当采用多维数据分析时，若要达到可视化效果则要求掌握信息不同维度数据间的内在联系，并对其分布情况以曲线图、柱状图或者雷达图等形式表达出来。这里着重对标签云技术进行分析，其主要用于文本媒体内容的可视化应用。其整体形式就是预先对某文本信息所包含的关键词进行提取，然后将其以特定顺序进行排列，最终呈现在我们面前。还要对这些关键词予以区别，区分标准主要是出现频次和重要程度，并对关键词的字体大小、颜色进行调整，给予高频次和高重要性的标签更加醒目的标记。

　　(四)可视化内容的探索工具

　　探索工具的应用对于发掘全媒体中有价值内容有很好的辅助效果，而且工具的应用降低了内容挖掘的难度，只需掌握简单的操作方法，就能更直接的发掘全媒体内容潜在的关联，发现更多内容价值。下面对各类探索分析工具进行介绍：

　　1.内容分布分析工具，能够利用全媒体内容的标签和属性等信息自动完成相关内容的分布分析工作，并具有可视化功能设计，方便使用者对内容分布有更清晰的认识;

　　2.热点内容挖掘工具，对于各类社会热点问题，工具可在热点的基础上深入发掘其他相关信息，并且还具有领域分类功能，可依据客户对时政、体育、娱乐等不同喜好有选择性的挖掘热点信息;

　　3.内容关联性挖掘工具，能够在大量媒体信息中心发现其潜在的关联并以不同专题的形式将其融合成，如人物专题。利用可视化功能对内容关联性挖掘结果进行直观展示，有利于提高选题、决策等有效性;

　　4.词云分析工具，主要用于标签数据的可视化展示，帮助使用者更好掌握各关键词间的联系，提高标签数据的利用价值;

　　5.情感分析工具，主要针对的是网络推文的评论信息及其他舆情相关信息，在智能识别技术支持下可更精确的发掘媒体内容中所表达的情感信息，并进行智能判断，实现更高价值的应用;

　　6.数据分析与仿真工具，通过对多维数据交互关联分析，利用统一的关系/空间/时间/统计等数据分析模式，同时嵌入各种自定义业务仿真计算模型，支持对阈值模型/评估模型/预测模型等，再利用大量分析算法，还可扩充开发新的分析模型，适应行业业务需求。

期刊VIP网，您身边的高端学术顾问

文章名称： 解析全媒体内容库的内容挖掘与可视化

文章地址： http://www.qikanvip.com/xwcb/50062.html