基于大数据技术的广播电视监测方法研究

王许文

（国家广播电视总局二八一台，昆明 650051）

0 引言

互联网的普及性使用引发了数据信息量的暴增，使得大数据技术受到了重点关注与应用。对于广播电视监测来说，在大数据背景下，需要监测的数据信息量、复杂程度显著提升。为了保证监测质量，并降低相关从业人员的工作量，在该环节中引入大数据技术是必然选择，需要依托大数据技术展开广播电视监测方法的优化。

1 大数据技术与广播电视监测的简述

1.1 大数据技术

大数据技术主要指大数据的应用技术，其内容包含着各类大数据平台、大数据指数体系等大数据应用技术。当前，大数据技术更多的围绕着智慧城市、交通、医疗、城市规划等多种领域展开应用，并不断扩展至其他行业。依托大数据技术，能够完成海量复杂数据收集整理与深入挖掘，了解数据间的关系，为最终决策的形成提供支持，保证决策科学合理。

1.2 广播电视监测

广播电视监测是依托广播电视传输和覆盖，广播电视监测事业是伴随着广播电视传输和覆盖事业发展而发展。当前，广播电视监测的主要任务包括：监督检查广播、电视电波发射特性；监测广播电视系统播出质量；收测广播、电视信号接收效果；查明干扰与查明非法电台；收测国外电台对我广播情况；收测频谱负荷；与有关国家交换收测资料；观测电波传播情况等。为了在保障监测质量的基础上降低相关从业人员工作量，在工作中引入大数据技术极为必要，也是行业发展的必然趋势。

2 面向广播电视监测的大数据技术分析

2.1 数据存储技术

在大数据时代背景下，需要存储的数据量、数据形式更多，原有的数据存储方式难以满足现有需求。此时，基于大数据的数据存储技术发挥出了重要作用，特别是云存储技术，能够完成海量复杂数据的长时间存储。在云存储技术中，包含着通用云存储（文件云＼集群NAS）和视频云存储这两种常见模式，在当前得到了大范围的使用[1]。其中，在通用云存储中，主要引入了集群技术、虚拟化技术、分布式存储技术，能够将存储资源虚拟化；在视频云存储中，主要引入了集群应用、负载均衡、虚拟化、云结构化、离散存储等技术，相比于通用云存储而言，有着更好的性能以及更高的存储量。

2.2 数据清洗技术

利用数据清洗技术，能够提升数据信息的质量，并使得数据更适合挖掘，为后续的大数据挖掘分析提供支持。在实际的操作中，需要对现有数据库进行整理，并对其中数据信息的真实性、有效性展开检查。在此基础上，引入数据清洗技术，对其中包含的重复部分、冗余部门完成剔除，防止由于人为篡改编辑而导致的数据库真实性降低的问题发生。同时，依托ETRTG等数据清洗程序，能够限定对数据清洗的访问权限，进一步保证数据的有效性与可靠性[2]。

2.3 数据挖掘技术

通过数据挖掘技术，可以从大量的、不完全的、多形式的数据中提取出隐含信息，实现数据信息的最大化利用。在这一过程中，可以依托统计方法、事例推理、决策树、规则推理、模糊集、神经网络、遗传算法等工具完成数据挖掘与关联分析。从实践操作的角度来看，数据挖掘过程反复且循环，具体来说，若是某一步骤未达到预期目标时，则必须要再次返回前期步骤得完成重新调整与执行，直至达到理想目标。

2.4 数据可视化技术

在数据可视化技术的支持下，能够将数据信息以更加直观、容易理解的方式呈现出来，方便使用与进一步分析。大前，常用的数据可视化形式包括指示卡、折线图、柱形图、条形图、扇形图、面积图、数据透视表、散点图、气泡地图、树形图。在操作中，可以使用UDRE等数据可视化软件完成。

3 大数据技术在广播电视监测中的具体应用探究

3.1 监控信息的采集

依托大数据技术，能够完成广播电视数据监测系统的构建。在系统中，利用大数据分析技术、信息检索、大数据挖掘技术等技术的融合，能够对当前多种网络社交平台中的数据信息展开分析与管理。其中，系统中的信息监控采集单元能够通过采集互联网信息，实现原始数据库的实时更新；采集监控信息单元通过对网络存在的多语言信息数据的采集与分析，能够确定国内外其他势力或是敌对势力的动态信息，特别是在当前香港暴动的背景下，该模块发挥着重要的作用。在广播电视数据监测系统中，由于引入了大数据技术，因此能够对不同形式的信息数据（文字、图片、音频、视频等）展开整合分析，并将其保存至数据库中，为后续决策提供充足参考信息。

3.2 停劣播分析

结合上文的分析能够了解到，监测广播电视系统播出质量等内容也是广播电视监测工作的重点环节。在大数据技术的支持下，广播电视监测就能够更好的完成相应工作，实现对停劣播的分析与原因挖掘，为广播电视系统播出质量的提升及服务优化提供参考。在这一过程中，需要结合数据库中有关于节目播出的历史数据，完成停播事故的次数、频率、情况等信息的分析，确定不同时段广播电视播放事故的产生原因。在此基础上，落实薄弱环节的加强与管理优化，能够达到提升广播电视节目播放质量、降低播放事故发生概率的效果。

3.3 内容监测

监测广播电视节目或是网络视听节目的播出内容也是广播电视监测工作中的重要内容。利用大数据技术展开音频、数字图像的处理，以及网络视听节目内容的分析，能够为相关部门的决策判断提供直观的、充足的参考信息。以音频处理分析来说，其流程主要如下：音视频的输入；特征提取；人工神经网络分类；分类结果输出。其中，在音频特征的提取中，普遍会使用F0（基频）和MFCC完成[3]。在人工神经网络分类中，需要依托基于误差逆传播算法训练的多层前馈网络分类模型完成。在该环节中，应当引入三层以上的神经网络，由于其具备精度更高的非线性逼近函数，因此可以对相对复杂的音视频展开合理分类，进一步保证分类结果输出的有效性。

3.4 监控信息的处理

结合大数据技术中的数据挖掘技术以及现有媒体技术，能够完成原始数据信息的过滤与处理。同时，还能够自动完成监测信息的内码转换，推动其迅速变化为智能模式，以此构建起完整的监测信息树。例如，在实际的广播电视监测工作中，可以依托自动技术完成关键词的提取，并在此基础上落实分类处理，最终形成分类模型。

除了自动形成模型外，大数据技术还支持信息数据的人工记录，能够保证相关工作人员可以结合实际情况手动编辑、更新数据信息。另外，在大数据技术的支持下，可以实现海量、复杂、多源数据的自动化过滤，避免下载垃圾文件的问题发生。

3.5 数据统计分析

在广播电视监测系统中，包含着信息检测分析单元，主要完成了多源信息的检索、监督管理。在完成数据的采集后，能够立即展开数据分析，保证数据信息的质量；依托系统中的信息导航服务单元，可以自动进行监管信息报告的规范性形成，并确定各项信息之间的关系；利用搜索功能，能够迅速提取系统中保存的违规信息，并完成网络视听节目的监管，一旦觉察出违规信息，可以立即反应并展开制止，避免恶性事件及其影响的进一步发展。

结合大数据技术，广播电视监测还可以实现播放信息的事后查证。例如，依托录像信息扩大检索范围，可以更准确的完成影响区域、用户数量的确定；根据历史事故信息以及发射机当前的运行状态，能够实现播放事故的预测等等。

4 结束语

综上所述，为了保证广播电视监测的与时俱进，在工作中引入大数据技术极为必要。通过在监控信息的采集、停劣播分析、内容监测、监控信息的处理、数据统计分析中引入数据存储技术、数据清洗技术等面向广播电视监测的大数据技术，提升了广播电视监测工作的质量，保证了相应工作模式的先进性，同时也降低了相关从业人员的工作量，推动了广播电视行业整体服务的升级。