大数据环境下海量多媒体信息过滤技术的改进

摘 要随着信息化时代的到来，越来越多的多媒体信息在人们的生活中出现，只有提高多媒体信息过滤技术才能从根本上保证人们获取信息的安全性。传统的信息过滤技术已经不能满足当下信息过滤的需求，本文将对大数据环境下多媒体信息过滤技术的优化进行分析，希望能够促进该技术在大数据环境下海量多媒体信息过滤中的应用，以提高多媒体信息的安全性和实用性。

【关键词】大数据环境 多媒体信息 过滤技术

多媒体信息过滤技术能够有效提高人们使用信息的安全性和实用性，但是传统的多媒体过滤技术已经不能满足当下的信息过滤需求，传统技术在算法上过于陈旧，过滤的信息准确性不高，海量数据一起涌入极易引起系统崩盘。这些问题对大数据环境下多媒体信息的过滤是极其不利的，随着大数据环境的到来，对多媒体信息技术进行优化变得至关重要，要将传统多媒体信息过滤技术中的不足之处尽快解决，以实现对海量多媒体信息的完全识别、过滤、分类，满足人们对日常信息需求。

1 多媒体信息过滤技术的优化

1.1 对算法扩充的优化

在大数据环境下，传统的多媒体信息过滤技术中陈旧的计算方法已经不能清晰的对新型的数字编码格式进行识别，使得对多媒体信息的过滤不够全面，大量多媒体信息在过滤中会被遗漏。因此，要对传统的多媒体信息过滤技术进行优化，将传统陈旧的算法淘汰掉，利用动态编码的算法来进行对多媒体信息的过滤和计算，对原来算法底层的支持库进行全面更新。动态编码算法能够严格按照大数据环境下海量多媒体信息所特有的共性进行排列并做出总结，还具有良好的自我学习和升级功能，随着大数据空间和数据量的变化，该算法的计算方式也能够进行自我转换，通过扩大该算法，还能够得到新的动态编码计算方式。

1.2 对算法逻辑的严谨性进行优化

在大数据环境下，传统的多媒体信息过滤技术在算法逻辑上存在不严谨的问题，算法逻辑中漏洞百出。如果多媒体信息突然增多，逻辑检索就会出现异常，传统算法就不能满足计算需求，出现崩溃或者停止运算的现象，多媒体信息也会大量涌现。为了尽快解决这一问题，要将辅助逻辑算法添加在在动态编码算法上，不仅能够增强算法的稳定性，还能保证算法逻辑的严谨性，将大数据环境下由于海量多媒体信息共涌引起的算法停止现象彻底解决。辅助逻辑算法能够对多媒体信息分装标签下的信息排列进行识别分析和检索提取等，该分装标签是多媒体信息资源所独有的。运用该算法得出的结果将会自动传回到总算法中，动态编码算法将会对该结果并进行识别并确认。如果在大数据环境下，多媒体信息出现了新的封装格式，由于多媒体信息封装格式数据编码的排列不同，辅助逻辑算法就能够根据不同的排列特征对封装格式进行处理，并将处理结果传回给底层支持库，最终完成自我升级的功能。这一算法在改进后需要将主动执行代码添加到该算法的执行代码中，以保证该算法对多媒体信息的扫描能够顺利进行。

1.3 多媒体信息特征识别过滤引擎

在大数据环境下，对多媒体信息特征的识别过滤能够有效提高多媒体信息的质量，提高信息过滤的效果。该引擎由两个部分组成，第一部分是多媒体信息特征的对比模块，该模块对信息数据的下传是按照动态编码算法的实際情况来完成的，对大数据环境下多媒体信息的基本数据进行标签比对和绑定。被发送到多媒体信息特征分类模块的信息都是符合信息认证绑定条件的，还要对这些信息进行分类和过滤处理，还有部分信息在身份比对和认证绑定中没有通过，这类信息将被传回到初始模块进行再次识别。多媒体信息特征的比对模块采用的是多媒体信息的内核构造算法，与传统的算法相比较，该算法的识别率和准确率都较高。有些多媒体信息已经被识别，该算法会在这些信息数据的最底层输入动态的身份代码，该代码的输入对多媒体信息的内容没有影响，只起到识别身份的作用，但通过该代码对信息身份的识别只有运用多媒体信息特征的识别过滤技术才能实现。第二部分是多媒体信息特征的过滤模块，该模块采用的是多媒体信息内核漏照算法，对海量多媒体信息的数据进行漏照处理，使过滤后的信息能够排列集中，不用后期再去整理。该算法在应用中是按照多媒体信息构造量排列的不同进行的，对不同多媒体信息进行反交排列，最终能够形成一个反交序列帧网，对多媒体信息数据进行身份识别，识别成功的信息将从反交序列帧网中的空隙通过，识别不成功的信息就不能通过。

2 实验与分析

该实验主要分为两个部分，分别是限时实验和指定实验的样本测试，就是对大数据环境下多媒体信息过滤技术在应用中的精确度和耗时长短进行测验。例如，第一个实验是将测试平台的配置设置为i5-7200CPU，主频为3.5赫兹，内存为16G，windows8操作系统。将测试时间设置为60分钟，每10分钟设置为一组，一共设置6组，对统一时间内过滤的多媒体信息数量进行对比，对多媒体信息的过滤要分别运用传统过滤技术和优化后的过滤技术，对多媒体信息过滤的数量进行计算，最终得出信息过滤的精确率。第二个实验是将测试平台设置为i5-7200CPU，主频为3.5赫兹，内存为16G，windows8操作系统。利用该系统对六万多条多媒体信息进行测试，将大量多媒体信息分为10组来完成，对传统大数据环境下多媒体信息过滤技术与优化后过滤技术的所需时间和过滤结果进行对比。通过对这两个实验的结果进行分析，能够清晰的看出优化后的多媒体信息过滤技术与传统过滤技术相比，其过滤的精确度更高、对多媒体信息的识别效果更好、识别效率更高、算法稳定性更强，充分满足了大数据环境下对海量多媒体信息的过滤需求。

3 结束语

大数据环境下，对多媒体信息的过滤是人们获取信息质量得到保证的基本前提，为了充分保证多媒体信息的实用性和安全性，要加强对多媒体信息过滤技术的优化，以满足当下多媒体信息的过滤需求。虽然传统的大数据环境下多媒体信息过滤技术依旧存在一些问题，但通过本文对过滤技术改进的分析，希望能够引起相关部门的注意，提高对优化后多媒体信息过滤技术的应用，实现对大数据环境下海量多媒体信息的全面过滤，从而保证多媒体信息的安全性和实用性。

参考文献

[1]王晰巍，赵丹，李嘉兴等.新媒体环境下网络舆情演化模型及仿真研究——基于信息生态视角[J].情报学报，2016，35（10）：1011-1021.

[2]翟梦雯，张军.自媒体时代的网络舆情反转研究——基于框架生成和群体极化的理论视角[J].长春理工大学学报：社会科学版，2017，30（03）：62-68.

[3]王永灿.自媒体时代高校网络舆情主体特征及引导探究——基于高校网络舆情诱因的分析视角[J].北京邮电大学学报（社会科学版），2013，15（05）：1-6.

[4]王晰巍，张柳，李师萌等.新媒体环境下社会公益网络舆情传播研究——以新浪微博“画出生命线”话题为例[J].现代图书情报技术，2017，1（06）：93-101.

[5]黎红友，陈宇.自媒体时代网络舆情生成和传播机制研究——基于大数据社会网络分析视角[J].当代传播（汉文版），2016（01）：24-25.

作者简介

李泰（1979-），男，山西省太原市人。电子科技大学研究生学历。太原学院助讲。主要研究方向计算机多媒体，智能。

作者单位

太原学院 山西省太原市 030032