省域?qū)ｍ棓?shù)據(jù)建設(shè)及智能化應(yīng)用

毛振興 盧嵐 王碩

（北京北大方正電子有限公司）

摘要：在大數(shù)據(jù)和人工智能技術(shù)的驅(qū)動下，省域?qū)ｍ棓?shù)據(jù)融合創(chuàng)新、場景化智能應(yīng)用、數(shù)據(jù)治理思維革命、數(shù)據(jù)價值重構(gòu)已成為傳媒業(yè)的結(jié)構(gòu)性力量，并由此形成省域數(shù)據(jù)治理新形態(tài)、媒介新生態(tài)和傳媒新業(yè)態(tài)。開放多元的省域數(shù)據(jù)生態(tài)催生新內(nèi)容和新服務(wù)，跨界融合和開放合作成為助力媒體融合新范式。本文通過省域?qū)ｍ棓?shù)據(jù)中心與場景化智能應(yīng)用的研究與實踐，系統(tǒng)闡釋如何在技術(shù)端發(fā)力，打造智能化省域?qū)ｍ棓?shù)據(jù)中心建設(shè)，進(jìn)一步提升媒體內(nèi)容的供給質(zhì)量與服務(wù)運行效率。

關(guān)鍵詞：大數(shù)據(jù) 人工智能 省域 智媒 數(shù)據(jù)服務(wù)

一、 引言

隨著全國新基建產(chǎn)業(yè)按下快進(jìn)鍵，新技術(shù)支撐體系下的媒體形態(tài)將充分融合。其中，涉及信息與融合基礎(chǔ)設(shè)施建設(shè)的三大核心技術(shù)為：以5G為代表的通信網(wǎng)絡(luò)基礎(chǔ)設(shè)施、以數(shù)據(jù)中心、智能計算中心為代表的算力基礎(chǔ)設(shè)施、以人工智能、云計算、區(qū)塊鏈等為代表的新技術(shù)基礎(chǔ)設(shè)施。

在剛剛落幕的第二屆中國廣電媒體融合發(fā)展大會上，北京北大方正電子有限公司的“基于方正數(shù)據(jù)&AI雙中臺體系支撐的智能區(qū)域數(shù)據(jù)中心建設(shè)”項目成為“2021年度媒體融合創(chuàng)新技術(shù)與服務(wù)應(yīng)用新入庫項目”，并在安徽等地落地應(yīng)用。

二、 省域?qū)ｍ棓?shù)據(jù)管理

省域?qū)ｍ棓?shù)據(jù)治理是聚合和治理跨域數(shù)據(jù)，為智能經(jīng)濟(jì)的底層基礎(chǔ)，是產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型的必然要求。通過數(shù)據(jù)中臺技術(shù)，對海量數(shù)據(jù)進(jìn)行采集、計算、存儲、加工，同時統(tǒng)一數(shù)據(jù)標(biāo)準(zhǔn)，再進(jìn)行組織存儲，形成大數(shù)據(jù)資產(chǎn)層，進(jìn)而為客戶提供高效的省域?qū)ｍ棓?shù)據(jù)服務(wù)。利用在媒體行業(yè)深耕多年的經(jīng)驗積累，形成得天獨厚的數(shù)據(jù)采集優(yōu)勢，具備前后端分離、組件化、微服務(wù)、彈性可擴(kuò)展的應(yīng)用架構(gòu)體系，通過對多機構(gòu)、多源數(shù)據(jù)接入管理,數(shù)據(jù)質(zhì)量控制,數(shù)據(jù)組織存儲和對外多維服務(wù)輸出，從而實現(xiàn)從數(shù)據(jù)到數(shù)據(jù)服務(wù)的能力。

圖1 省域數(shù)據(jù)資源建設(shè)彈性架構(gòu)體系

1. 省域?qū)ｍ棓?shù)據(jù)標(biāo)準(zhǔn)管理體系

作為數(shù)據(jù)管理的核心要求，在建設(shè)之初的數(shù)據(jù)規(guī)劃層面就要確定。首先與建設(shè)單位一起梳理和確認(rèn)數(shù)據(jù)中臺數(shù)據(jù)標(biāo)準(zhǔn)，是實現(xiàn)多源數(shù)據(jù)接入和多維輸出的基礎(chǔ)。數(shù)據(jù)標(biāo)準(zhǔn)包括業(yè)務(wù)術(shù)語標(biāo)準(zhǔn)、數(shù)據(jù)項標(biāo)準(zhǔn)、屬性數(shù)據(jù)標(biāo)準(zhǔn)，同時針對數(shù)據(jù)質(zhì)量評估也制定標(biāo)準(zhǔn)規(guī)范，包括數(shù)據(jù)的精確性、唯一性、完整性、一致性、關(guān)聯(lián)性、及時性。具體在實施中依據(jù)管理數(shù)據(jù)對應(yīng)已明確的應(yīng)用，針對媒體主要的數(shù)據(jù)組織和應(yīng)用場景，數(shù)據(jù)中臺已經(jīng)植入新聞領(lǐng)域相關(guān)的數(shù)據(jù)標(biāo)準(zhǔn)和規(guī)范，便于數(shù)據(jù)的調(diào)用、共享和流通。并為省域數(shù)據(jù)生態(tài)持續(xù)建設(shè)提供擴(kuò)展性支撐。

依托數(shù)據(jù)中臺，依據(jù)省域?qū)ｍ棊斓慕ㄔO(shè)規(guī)范，完成了數(shù)據(jù)質(zhì)量標(biāo)準(zhǔn)和規(guī)范的制定，包括數(shù)據(jù)的接入和輸出標(biāo)準(zhǔn)。在數(shù)據(jù)質(zhì)量管理方面提供開放域、智能、業(yè)務(wù)三類標(biāo)簽體系管理。涵蓋省自治區(qū)標(biāo)準(zhǔn)地域信息標(biāo)簽體系；行業(yè)領(lǐng)域信息標(biāo)簽體系；針對文本、圖片、音視頻等的智能標(biāo)簽體系；涵蓋屬地黨政領(lǐng)導(dǎo)干部的人物屬性標(biāo)簽體系；通過海量數(shù)據(jù)訓(xùn)練，實現(xiàn)智能自動標(biāo)引。

2. 省域多源異構(gòu)專項數(shù)據(jù)的匯聚

在數(shù)據(jù)接入層面為了支撐省域?qū)ｍ棓?shù)據(jù)分析應(yīng)用，需要將散落在各機構(gòu)單位的合作數(shù)據(jù)源、以及媒體各業(yè)務(wù)系統(tǒng)數(shù)據(jù)，之前都相對獨立的“數(shù)據(jù)孤島”的異構(gòu)數(shù)據(jù)進(jìn)行接入和統(tǒng)一管理，在此基礎(chǔ)上圍繞業(yè)務(wù)組織建設(shè)各業(yè)務(wù)數(shù)據(jù)中心并為上層應(yīng)用提供數(shù)據(jù)服務(wù)。

各機構(gòu)單位和各業(yè)務(wù)數(shù)據(jù)源具有如下特點。

（1）分散性特點

省域各協(xié)作機構(gòu)單位分布于省域各地，媒體單位的各業(yè)務(wù)數(shù)據(jù)也分散在各業(yè)務(wù)系統(tǒng)中，無法進(jìn)行數(shù)據(jù)連通和共享，新增數(shù)據(jù)的加入和應(yīng)用也比較困難。

（2）異構(gòu)性特點

省域各協(xié)作機構(gòu)單位會根據(jù)自身需求開發(fā)了業(yè)務(wù)信息系統(tǒng)，系統(tǒng)采用的開發(fā)語言、操作系統(tǒng)、架構(gòu)、數(shù)據(jù)管理系統(tǒng)、數(shù)據(jù)存儲模式、數(shù)據(jù)結(jié)構(gòu)、數(shù)據(jù)類型以及語義并不完全一致。因此，省域機構(gòu)間數(shù)據(jù)源多類異構(gòu)。

（3）動態(tài)性特點

由于省域內(nèi)各機構(gòu)單位，在運行過程中，機構(gòu)間復(fù)雜的協(xié)作關(guān)系、協(xié)作任務(wù)、數(shù)據(jù)源、相關(guān)配置都動態(tài)變更，因此，數(shù)據(jù)集成的內(nèi)容和對象都具有動態(tài)性特征。

（4）標(biāo)準(zhǔn)不統(tǒng)一，接口參差不齊

目前，各機構(gòu)單位針對單個業(yè)務(wù)或?qū)ｍ棙I(yè)務(wù)單獨開發(fā)接口，沒有統(tǒng)一的標(biāo)準(zhǔn)和規(guī)范體系、種類繁多復(fù)雜、參差不齊、無法統(tǒng)一管理，導(dǎo)致互操作困難復(fù)雜。

針對省域多機構(gòu)分布性、多端異構(gòu)性、協(xié)作動態(tài)性和接口繁多，以及數(shù)據(jù)單條上傳和批量接入?yún)R聚的應(yīng)用場景。本文提出省域環(huán)境下面向省直單位、地市、區(qū)縣單位或者垂直子機構(gòu)媒體應(yīng)用領(lǐng)域提供開放的多源異構(gòu)數(shù)據(jù)采集、大數(shù)據(jù)并發(fā)流處理、微服務(wù)計算、消息隊列、消息協(xié)同處理等技術(shù)框架，實現(xiàn)多源異構(gòu)數(shù)據(jù)單條和批量數(shù)據(jù)采集、上傳，流式并發(fā)清洗轉(zhuǎn)換、松散耦合式數(shù)據(jù)銜接等特征功能。解決面向省域環(huán)境下媒體自身、地市區(qū)縣媒體單位、合作機構(gòu)信息系統(tǒng)數(shù)據(jù)匯聚、管理、應(yīng)用場景。

多源異構(gòu)數(shù)據(jù)接入?yún)R聚由數(shù)據(jù)源管理、數(shù)據(jù)字段映射、轉(zhuǎn)換清洗規(guī)則定義、接入任務(wù)管理、以及數(shù)據(jù)流轉(zhuǎn)狀態(tài)監(jiān)控組成。具體通過接入數(shù)據(jù)源和目標(biāo)數(shù)據(jù)源的管理，提供多數(shù)據(jù)源的連接參數(shù)設(shè)置視圖管理功能，提供數(shù)據(jù)源連接參數(shù)的增刪改查，規(guī)范統(tǒng)一數(shù)據(jù)源批量接入。數(shù)據(jù)源支持關(guān)系型數(shù)據(jù)源、非關(guān)系型數(shù)據(jù)源、消息隊列、文本數(shù)據(jù)集的參數(shù)配置：包括數(shù)據(jù)庫標(biāo)志、數(shù)據(jù)源類型、數(shù)據(jù)服務(wù)訪問方法、主機名、端口號、用戶名、密碼等。數(shù)據(jù)源管理通過提供對數(shù)據(jù)庫源連接信息的添加、刪除和修改等管理操作，將多源異構(gòu)數(shù)據(jù)源連接信息存入目標(biāo)業(yè)務(wù)數(shù)據(jù)庫，以支撐互聯(lián)網(wǎng)下多數(shù)據(jù)庫服務(wù)器源連接的統(tǒng)一管理和透明接入功能。

對于散落在省域范圍內(nèi)各機構(gòu)單位個人PC或服務(wù)器中零散的異構(gòu)復(fù)雜數(shù)據(jù)，提供包括文本、圖片、音頻、視頻、書籍文件、影視作品等獨立數(shù)據(jù)上傳接入工具實現(xiàn)數(shù)據(jù)各種數(shù)據(jù)的匯聚集成。

3. 基于分布式的省域?qū)ｍ棓?shù)據(jù)分析與組織存儲

基于場景化驅(qū)動數(shù)據(jù)業(yè)務(wù)智能封裝，對入庫數(shù)據(jù)進(jìn)行智能分析，包括地域、領(lǐng)域、情感、實體、自動摘要等，并實現(xiàn)智能打標(biāo)。通過分步式的數(shù)據(jù)存儲系統(tǒng)實現(xiàn)結(jié)構(gòu)化、半結(jié)構(gòu)化、非結(jié)構(gòu)化等多源異構(gòu)數(shù)據(jù)的存儲管理，在此基礎(chǔ)上構(gòu)建業(yè)務(wù)數(shù)據(jù)庫或?qū)ｍ棓?shù)據(jù)庫。在數(shù)據(jù)管理方面，對入庫的數(shù)據(jù)量、各業(yè)務(wù)數(shù)據(jù)標(biāo)簽、數(shù)據(jù)的數(shù)據(jù)規(guī)模、數(shù)據(jù)內(nèi)容進(jìn)行維護(hù)管理，并且能支持業(yè)務(wù)應(yīng)用的數(shù)據(jù)查詢?yōu)g覽與有效利用。具體應(yīng)用以下核心技術(shù)：

（1） 采用分布式隨機樣本劃分算法

按照使用場景可以分為批量數(shù)據(jù)轉(zhuǎn)化算法和流式數(shù)據(jù)轉(zhuǎn)化算法，按照數(shù)據(jù)的格式又可以分為針對結(jié)構(gòu)化數(shù)據(jù)、時間序列數(shù)據(jù)、文檔式數(shù)據(jù)、圖數(shù)據(jù)，分類方式如下圖所示。

圖2 RSP轉(zhuǎn)化算法

（2） Hadoop平臺多引擎技術(shù)

省域數(shù)據(jù)中心融合數(shù)據(jù)多引擎技術(shù)、Hadoop/HDFS分布式并行計算和多副本機制、Facebook/Cassandra對等節(jié)點機制等先進(jìn)技術(shù)，避免單點故障并支持系統(tǒng)性能線性擴(kuò)展。Hadoop 平臺最核心的兩個組件分別為：Map Reduce 分布式計算框架和 HDFS 分布式存儲系統(tǒng)，其分別對應(yīng)與 Hadoop 的兩個層次：數(shù)據(jù)處理層和文件存儲層。其中，HDFS主要面向超大型的文件承載量的應(yīng)用，其設(shè)計目標(biāo)在于： 

a) 硬件錯誤

硬件發(fā)生錯誤屬于常態(tài)現(xiàn)象，硬件組件出現(xiàn)問題常常存在于現(xiàn)實生活當(dāng)中，硬件損壞是不可避免的。因此，硬件等相關(guān)組件的錯誤檢測和快速、自動恢復(fù)是分布式架構(gòu)的核心設(shè)計目標(biāo)。 

b) 流式數(shù)據(jù)訪問

較之傳統(tǒng)的應(yīng)用系統(tǒng)側(cè)重用戶交互方面，基于 HDFS 的應(yīng)用側(cè)重點在于數(shù)據(jù)的批處理方面，需要能夠流式訪問其數(shù)據(jù)集。其不是特別注重和要求數(shù)據(jù)訪問時的響應(yīng)時間，而注重于數(shù)據(jù)傳輸?shù)母咚俾省?shù)據(jù)訪問的高吞吐量以及數(shù)據(jù)的批處理。 面向數(shù)據(jù)分析的分布式數(shù)據(jù)管理系統(tǒng)。

c) 大規(guī)模數(shù)據(jù)集

基于 HDFS 的應(yīng)用面向的是大數(shù)據(jù)，因此其應(yīng)用都是具有很大的數(shù)據(jù)集，這也就要去該框架能夠給予較大的數(shù)據(jù)傳輸帶寬。 

d) 簡化一致性模型

基于 HDFS 的應(yīng)用所需要建立的模型具有“一次寫入多次讀取”的特點，其文件一旦經(jīng)過寫入操作之后，數(shù)據(jù)一般不需要進(jìn)行更改。正是由于這一特點，便可簡化數(shù)據(jù)一致性問題，從而也使得數(shù)據(jù)傳輸?shù)母咚俾?、?shù)據(jù)訪問的高吞吐量以及數(shù)據(jù)的批處理等目標(biāo)具有實現(xiàn)的可能。 

e) 可移植性

任何框架在設(shè)計初始階段就會考慮平臺的可移植性，框架的可移植性不僅有利于開發(fā)各類型的應(yīng)用，而且也有利于自身開源框架的發(fā)展和推廣。

（3） 分布式存儲監(jiān)控與管理

滿足用戶可持續(xù)發(fā)展需要的數(shù)據(jù)管理需求，支持對集群整體和每個節(jié)點運行情況的秒級監(jiān)控，監(jiān)控維度至少包括：每節(jié)點分區(qū)數(shù)、內(nèi)存使用情況、存儲空間使用情況、數(shù)據(jù)文件、記錄數(shù)、IO、CPU、網(wǎng)絡(luò)等。

（4） 節(jié)點管理靈活動態(tài)擴(kuò)容擴(kuò)展

支持動態(tài)集群擴(kuò)容，至少包括節(jié)點列表、主節(jié)點管理、內(nèi)存大小、集群IP、自動安裝目錄配置等；

（5） 數(shù)據(jù)庫數(shù)據(jù)倉庫初始化

通過數(shù)據(jù)庫新建、可配置按指定字段分區(qū)與分庫，支持副本數(shù)選擇，支持指 定數(shù)據(jù)庫類型，包括但不限于：節(jié)點數(shù)據(jù)庫、虛擬數(shù)據(jù)庫、鏡像數(shù)據(jù)庫、自分裂視圖等類型；

（6） 節(jié)點任務(wù)管理

通過節(jié)點任務(wù)管理，按節(jié)點進(jìn)行任務(wù)情況查看，包括開始時間、持續(xù)時間及客戶端IP等，任務(wù)類型支持:檢索、分類統(tǒng)計、統(tǒng)計檢索、裝庫、刪除記錄、修改記錄、副本同步等；

（7） 數(shù)據(jù)清洗映射

通過省域?qū)ｍ棓?shù)據(jù)中心日常運維作業(yè)管理功能，作業(yè)類型包括數(shù)據(jù)排重、記錄拷貝、對數(shù)據(jù)庫配置信息管理等；

（8） 數(shù)據(jù)自動分區(qū)混合存儲

通過多種存儲混合使用：支持SSD、非SSD、HDFS等多種存儲混合使用。支持冷熱數(shù)據(jù)自動分區(qū)管理。

（9） 地域/領(lǐng)域分類標(biāo)引

構(gòu)建一套標(biāo)準(zhǔn)地域和領(lǐng)域主題信息知識庫體系，并通過海量數(shù)據(jù)訓(xùn)練，獲得可以自動標(biāo)引文章所屬地域的訓(xùn)練集；

（10） 自動摘要提取

通過智能的手段為省域?qū)ｍ棓?shù)據(jù)自動形成摘要的技術(shù)。摘要提取技術(shù)采用抽取式摘要生成方法，融入篇章分析與指代消解中的最新研究成果，利用數(shù)據(jù)挖掘的相關(guān)算法與模型，通過智能的手段自動提取文檔句子并形成摘要；

（11） 關(guān)鍵詞提取、實體識別

通過將省域?qū)ｍ棓?shù)據(jù)中的關(guān)鍵詞和包括人名、地名、機構(gòu)名等各維度實體屬性進(jìn)行提取，形成描述文本特征的結(jié)構(gòu)化數(shù)據(jù)；

（12） 情感分析

情感分析技術(shù)結(jié)合情感詞、情感程度詞典，引入情感塊的概念，利用支持向量機模型等分類算法對收集的省域?qū)ｍ棓?shù)據(jù)進(jìn)行各粒的情感判定。同時提出了利用情感模式進(jìn)行分析的技術(shù)，真正實現(xiàn)了對文本的深入理解，使情感分析的性能進(jìn)一步提高。方正智能分析系統(tǒng)的情感分析涵蓋了詞語、短語、句子、篇章等不同粒度，對其標(biāo)注相應(yīng)的情感傾向和情感屬性，實現(xiàn)對指定文本或文本集進(jìn)行全方位的分析。

4. 基于多級機構(gòu)組織省域?qū)ｍ棓?shù)據(jù)分級授權(quán)

    數(shù)據(jù)訪問控制策略是數(shù)據(jù)安全防范和保護(hù)的主要策略，其任務(wù)是保證數(shù)據(jù)資源不被非法使用和非法訪問。各種網(wǎng)絡(luò)安全策略必須相互配合才能真正起到保護(hù)作用，而訪問控制(Access—Contr01)是保證數(shù)據(jù)安全最重要的核心策略之一，是對省域?qū)ｍ棓?shù)據(jù)資源進(jìn)行保護(hù)的重要措施，是通過某種途徑顯式地準(zhǔn)許或限制訪問能力和訪問范圍的一種方法。

除了必須的系統(tǒng)及數(shù)據(jù)安全管理外，系統(tǒng)支持多級機構(gòu)：可按省、市、縣等多級創(chuàng)建機構(gòu)。各機構(gòu)數(shù)據(jù)隔離，可對數(shù)據(jù)接入、審核、查看等分級授權(quán)，如區(qū)縣可查看和使用本區(qū)縣以及被授權(quán)的數(shù)據(jù)資源

圖3 省市區(qū)縣多級機構(gòu)管理

5. 開放靈活的省域?qū)ｍ棓?shù)據(jù)輸出和服務(wù)

提供開放的數(shù)據(jù)輸出和服務(wù)。省域數(shù)據(jù)中心核心目標(biāo)是為各地市、區(qū)縣，各類應(yīng)用提供統(tǒng)一、開放的數(shù)據(jù)輸出和服務(wù)。針對省域?qū)ｍ棓?shù)據(jù)中心提供跨模態(tài)檢索服務(wù)，可以方便的查詢數(shù)據(jù)相關(guān)信息。實現(xiàn)對外的數(shù)據(jù)推送，數(shù)據(jù)展示和應(yīng)用的多樣性，提供開放的數(shù)據(jù)API，供三方機構(gòu)二次開發(fā)和應(yīng)用。針對數(shù)據(jù)的未來應(yīng)用，在統(tǒng)一框架內(nèi)以微服務(wù)方式來實現(xiàn)省域其他業(yè)務(wù)應(yīng)用的聯(lián)動例如數(shù)據(jù)提供全省市、區(qū)縣機構(gòu)單位使用，支撐二次開發(fā)應(yīng)用。

圖4 開放靈活的省域?qū)ｍ棓?shù)據(jù)輸出和服務(wù)

三、 省域?qū)ｍ棓?shù)據(jù)智能化應(yīng)用

數(shù)據(jù)建設(shè)的目的是為了更好的數(shù)據(jù)服務(wù)和應(yīng)用，基于省域數(shù)據(jù)資源建設(shè)和管理，結(jié)合應(yīng)用場景可提供省域?qū)ｍ?/span>數(shù)據(jù)的智能化應(yīng)用。

1.提供媒體智能生產(chǎn)

省域數(shù)據(jù)中心集合更廣泛的數(shù)據(jù)源和素材，專項數(shù)據(jù)還具有獨特的數(shù)據(jù)特征，智能生產(chǎn)輔助能力沉浸在業(yè)務(wù)場景中，向新聞采編業(yè)務(wù)提供更豐富的供稿服務(wù)。滿足信息全面和及時，新媒體稿件資源匱乏、輔助各個站點人員對稿件的編輯, 轉(zhuǎn)載和使用。

（1） 提供統(tǒng)一的數(shù)據(jù)資源查詢和檢索

針對省域數(shù)據(jù)中心所管理的來自各源的稿件數(shù)據(jù)、圖片數(shù)據(jù)、音視頻數(shù)據(jù)、分析結(jié)果數(shù)據(jù)可以進(jìn)行統(tǒng)一的查看，可以按照開放域標(biāo)簽、關(guān)鍵詞等檢索，并實現(xiàn)文、圖、等跨模態(tài)檢索。

（2） 專項內(nèi)容數(shù)據(jù)供給

省域?qū)ｍ棓?shù)據(jù)可為媒體生產(chǎn)提供針對媒體篩選后的專項內(nèi)容參考，并在專項數(shù)據(jù)標(biāo)簽基礎(chǔ)上進(jìn)行專項數(shù)據(jù)內(nèi)容的分級分類處理，以應(yīng)用于信息檢索，生產(chǎn)選用，大屏展示等不同應(yīng)用需求。

（3） 媒體行業(yè)內(nèi)容生產(chǎn)編輯器調(diào)用

省域?qū)ｍ棓?shù)據(jù)中心在媒體行業(yè)實現(xiàn)與生產(chǎn)系統(tǒng)的打通，在各編輯查看專項數(shù)據(jù)內(nèi)容信息，也可以在生產(chǎn)編輯器內(nèi)直接檢索及其結(jié)果的有效利用、利用語義分析技術(shù)根據(jù)稿件內(nèi)容生成合理的關(guān)鍵字和摘要等功能。而每個編輯記者都可以訂閱不同的專項信息內(nèi)容。瀏覽到有價值的內(nèi)容，可以一鍵式選用到生產(chǎn)流程中編輯。

2、數(shù)據(jù)資源的可視化展示

   根絕省域資源管理的各種數(shù)據(jù)進(jìn)行可視化展示，形成數(shù)據(jù)地圖和數(shù)據(jù)看板，全面體現(xiàn)目前數(shù)據(jù)的整體規(guī)模，各類數(shù)據(jù)狀況，新增情況，使用狀況，為數(shù)據(jù)資產(chǎn)建設(shè)和應(yīng)用提供直觀的體現(xiàn)。省域?qū)ｍ棓?shù)據(jù)中心借助數(shù)據(jù)輸出服務(wù)，可為大屏可視化展示提供數(shù)據(jù)的支撐。

圖5 數(shù)據(jù)資源的可視化展示

3.智能風(fēng)控審核平臺

在蓬勃發(fā)展的網(wǎng)絡(luò)時代及多變的傳媒格局中，監(jiān)管工作面臨著媒介傳播方式趨向融合傳播立體化、業(yè)務(wù)類型逐步走向更加多元化、多終端的局面。基于省域?qū)ｍ棓?shù)據(jù)建設(shè)可構(gòu)建智能風(fēng)控審核平臺，提供從內(nèi)容監(jiān)管、到渠道監(jiān)管，再到傳播監(jiān)管，逐步實現(xiàn)多終端覆蓋，對本省、市、合作單位或者下屬子機構(gòu)的提供數(shù)據(jù)、報刊、新媒體、圖書、網(wǎng)絡(luò)文學(xué)等內(nèi)容進(jìn)行內(nèi)容風(fēng)控審核；提供各機構(gòu)內(nèi)容提供智能審核手段和自檢、監(jiān)測服務(wù)。

針對省域各機構(gòu)上傳、各系統(tǒng)采集以及互聯(lián)網(wǎng)采集接入的審核監(jiān)管數(shù)據(jù)進(jìn)行統(tǒng)一管理，形成監(jiān)管數(shù)據(jù)庫，并在此基礎(chǔ)上提供智能審核和審讀工作，支持單條和批量處理，最終形成審核報告。

系統(tǒng)提供多級多租戶管理，分為上傳機構(gòu)、審讀員、總部等角色，按角色定義權(quán)限和查看內(nèi)容，基于省域專項數(shù)據(jù)資源建設(shè)，可實現(xiàn)對監(jiān)管內(nèi)容的批量自動匯聚，及手動上傳圖文、圖集、音視頻、PDF文檔等多種類型數(shù)據(jù)。結(jié)合屬地?zé)狳c、重點事件、重點主題等監(jiān)測內(nèi)容的訂閱，輔助審讀員快速掌握市場熱點和宣傳狀況，支持對審讀稿件、重大主題的傳播影響力分析，從而掌握監(jiān)管內(nèi)容的傳播影響力狀況。

（1） 文本智能分析和審核

可以對文本中的實體、關(guān)鍵詞、情感、地域、領(lǐng)域進(jìn)行智能分析和打標(biāo)，提供單文本和多文本自動摘要，快速了解稿件的核心內(nèi)容。利用的文本智能審校技術(shù)，是方正公司完成國家級項目的產(chǎn)品成果，審校內(nèi)容全面，除錯別字、敏感詞、標(biāo)點符號等較為通用的審校功能外，智能審校還可對稿件中的相似及重復(fù)內(nèi)容、圖表公式序號及參見落空、列表序號、歷史紀(jì)年、公元紀(jì)年、干支紀(jì)年等錯誤進(jìn)行檢查。針對文本稿件涉及新華社禁用詞、敏感詞、領(lǐng)導(dǎo)人、語義歧義、領(lǐng)導(dǎo)人排序等內(nèi)容進(jìn)行智能審校，滿足不同用戶類型需求，提高稿件的審稿效率及質(zhì)量。針對意識形態(tài)以及最新網(wǎng)絡(luò)用語等，系統(tǒng)面向機構(gòu)用戶和個人用戶提供自定義詞庫服務(wù)，通過詞庫語句，規(guī)則?充和維護(hù)，屬于案例庫或語料庫的累積過程。語料達(dá)到一定程度，機器便可深度學(xué)習(xí)。

（2） 圖片智能分析和審核

針對新媒體涉及的圖片進(jìn)行智能打標(biāo)，識別政治敏感、公眾人物、廣告、惡心圖像、涉黃、暴恐，對于內(nèi)容中包含的圖片，識別圖片中的文字，并對文字進(jìn)行審核，是否包含垃圾信息、敏感詞，保證內(nèi)容安全性。使用人工智能鑒黃、鑒暴恐等技術(shù)，智能識別圖片和視頻中的色情、性感、暴恐等內(nèi)容，遠(yuǎn)離違規(guī)風(fēng)險。

（3） 音視頻智能分析和審核

針對音視頻內(nèi)容可智能識別、解析視頻里面的文字、畫面和語音，識別包含政治敏感、違禁品、廣告內(nèi)容、色情、暴恐的視頻，保證內(nèi)容的安全性。同時對視頻中的語音、畫面進(jìn)行檢測和過濾，識別視頻中出現(xiàn)的動作、事件，以及其出現(xiàn)的時間片段，方便鎖定問題出現(xiàn)的地方。

（4） 屬地領(lǐng)導(dǎo)人物庫建設(shè)和審核

基于所涉重點人物，如領(lǐng)導(dǎo)人物，構(gòu)建基本信息、新聞報道、參與相關(guān)話題、事件、資訊等相關(guān)信息系統(tǒng)建設(shè)和管理，實現(xiàn)領(lǐng)導(dǎo)人信息及關(guān)聯(lián)信息的快速查詢，領(lǐng)導(dǎo)軌跡和相關(guān)報道追蹤。提供屬地領(lǐng)導(dǎo)人物圖片、音頻、視頻打標(biāo)，風(fēng)控提示，包括屬地領(lǐng)導(dǎo)人物變更、落馬官員檢查等維護(hù)服務(wù)。

四、 省域?qū)ｍ棓?shù)據(jù)建設(shè)和應(yīng)用開拓媒體的數(shù)據(jù)服務(wù)

面向媒體行業(yè)，即將迎來“信息隨心至，萬物皆可及”的智媒時代。瞄準(zhǔn)新基建帶來的紅利，享受大數(shù)據(jù)與人工智能的服務(wù)，是新時代智慧媒體建設(shè)的最優(yōu)路徑。“大帶寬、高速率、低時延”的5G，使媒體享受到最直接的技術(shù)紅利。伴隨著業(yè)務(wù)發(fā)展，新增數(shù)據(jù)和應(yīng)用成為常態(tài)，省域數(shù)據(jù)資源建設(shè)提供開放的數(shù)據(jù)平臺，將數(shù)據(jù)與業(yè)務(wù)前后端分離、打通數(shù)據(jù)帶脈，實現(xiàn)數(shù)據(jù)統(tǒng)一集中管理。在數(shù)據(jù)應(yīng)用層面，針對不同業(yè)務(wù)場景和應(yīng)用提供微服務(wù)形式數(shù)據(jù)輸出，建設(shè)和孵化多種數(shù)據(jù)服務(wù)產(chǎn)品和數(shù)據(jù)應(yīng)用。數(shù)據(jù)與業(yè)務(wù)松耦合，不僅保障數(shù)據(jù)管理的統(tǒng)一，又保障業(yè)務(wù)應(yīng)用的靈活性。

基于數(shù)據(jù)中臺架構(gòu)支撐的省域?qū)ｍ棓?shù)據(jù)中心治理平臺，以安全可靠、穩(wěn)健成熟的實用主義為指導(dǎo)，為現(xiàn)有省域業(yè)務(wù)開展提供強有力技術(shù)支撐，并為業(yè)務(wù)創(chuàng)新提供土壤。在此基礎(chǔ)上建設(shè)的專項信息服務(wù)平臺、智能風(fēng)控監(jiān)管審讀平臺等基于省域數(shù)據(jù)建設(shè)的應(yīng)用，有效把控新聞輿論及社會宣傳導(dǎo)向，面向省域媒體政務(wù)、垂直領(lǐng)域、企業(yè)院校等用戶實現(xiàn)低成本、高效率、高精準(zhǔn)度的內(nèi)容合規(guī)性保障，使媒體角色從“咨詢內(nèi)容提供者”向“城市信息服務(wù)者”轉(zhuǎn)變。

五、 結(jié)語

在省域數(shù)據(jù)中心和智能化應(yīng)用支撐下，建設(shè)單位可以建設(shè)媒體機構(gòu)內(nèi)部資源的管理以及面向全省的專項數(shù)據(jù)管理和服務(wù)開發(fā)。針對媒體業(yè)務(wù)系統(tǒng)、高頻的數(shù)據(jù)服務(wù)更具特色，可以一鍵實現(xiàn)業(yè)務(wù)數(shù)據(jù)接入和輸出聯(lián)動。為滿足數(shù)據(jù)應(yīng)用不斷發(fā)展和變化需要，采用組件化、微服務(wù)、彈性可擴(kuò)展的數(shù)據(jù)產(chǎn)品架構(gòu)和先進(jìn)的數(shù)據(jù)管理基礎(chǔ)以滿足未來數(shù)據(jù)發(fā)展需要，以應(yīng)對數(shù)據(jù)結(jié)構(gòu)復(fù)雜、變化頻繁等問題，根據(jù)服務(wù)需求選擇資源的彈性擴(kuò)展，更簡單的管理和維護(hù)，以滿足各領(lǐng)域數(shù)據(jù)服務(wù)和智能化能力的擴(kuò)展，打造全省融媒體樞紐級信息集散平臺，持續(xù)構(gòu)建數(shù)據(jù)服務(wù)生態(tài)。

參考文獻(xiàn)：

[1] 基于“數(shù)據(jù)+AI”雙中臺技術(shù)打造智慧媒體新基建“ 劉長明 盧嵐 徐建

[2] 面向異構(gòu)數(shù)據(jù)源的分布式集成工具研究與設(shè)計 劉海 張矚熹 任雯 肖巖平