網(wǎng)絡(luò)出版監(jiān)管平臺的設(shè)計與實現(xiàn)

陳奎良

網(wǎng)絡(luò)出版，是指具有合法互聯(lián)網(wǎng)出版資格的出版機(jī)構(gòu)，以互聯(lián)網(wǎng)為載體和流通渠道，出版并銷售數(shù)字出版物的行為。2014年1月，中國互聯(lián)網(wǎng)絡(luò)信息中心（CNNIC）發(fā)布的《中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計報告》顯示，截至2013年12月，中國網(wǎng)站數(shù)量為320萬個，按出版類網(wǎng)站占5%計算，從事網(wǎng)絡(luò)出版的網(wǎng)站就達(dá)16萬個。但這其中僅有600多家出版機(jī)構(gòu)獲得網(wǎng)絡(luò)出版資質(zhì)，可以說，絕大多數(shù)網(wǎng)站在被動“非法”從事網(wǎng)絡(luò)出版服務(wù)，其登載作品良莠不齊，不少非法甚至淫穢色情等不良信息充斥其中，嚴(yán)重影響了網(wǎng)民的心理健康。筆者調(diào)研發(fā)現(xiàn)，大家對監(jiān)管系統(tǒng)建設(shè)的重要性都有充分認(rèn)識，但實際開發(fā)還處于摸索階段，主要存在對系統(tǒng)功能設(shè)計標(biāo)準(zhǔn)不一、認(rèn)識不清等問題。筆者具有多年網(wǎng)絡(luò)出版監(jiān)測系統(tǒng)設(shè)計經(jīng)驗，希望在此通過對網(wǎng)絡(luò)出版監(jiān)管平臺建設(shè)的闡述，給大家提供一點(diǎn)思路，以求拋磚引玉。

網(wǎng)絡(luò)出版監(jiān)管平臺的分析與設(shè)計

要建設(shè)網(wǎng)絡(luò)出版監(jiān)管平臺，必須充分研究和分析網(wǎng)絡(luò)出版監(jiān)管業(yè)務(wù)需求，結(jié)合為社會服務(wù)、為行業(yè)服務(wù)的建設(shè)目標(biāo)，才能真正實現(xiàn)網(wǎng)絡(luò)出版監(jiān)管平臺建設(shè)的意義。筆者認(rèn)為，網(wǎng)絡(luò)出版監(jiān)管平臺應(yīng)包括內(nèi)容監(jiān)管系統(tǒng)、輿情監(jiān)測系統(tǒng)、網(wǎng)站綜合評價系統(tǒng)和網(wǎng)站審核系統(tǒng)四部分，至少包括以下功能：

1.網(wǎng)站發(fā)現(xiàn)。網(wǎng)絡(luò)出版網(wǎng)站與監(jiān)管平臺實現(xiàn)對接有兩種途徑：一是網(wǎng)站與平臺自主對接，提供登陸賬號、密碼、網(wǎng)站規(guī)模、主辦單位等網(wǎng)站基本信息，便于平臺實現(xiàn)網(wǎng)站基本信息的著錄和管理，對網(wǎng)站違規(guī)內(nèi)容進(jìn)行實時監(jiān)管；二是未對接網(wǎng)站的收集和監(jiān)管，對于未能自主對接的網(wǎng)站，平臺要通過設(shè)定搜索規(guī)則，實現(xiàn)自動收集網(wǎng)站的域名和基本情況，并納入網(wǎng)絡(luò)監(jiān)管平臺的監(jiān)管范圍，實現(xiàn)全網(wǎng)全業(yè)務(wù)監(jiān)管。

2.網(wǎng)站信息著錄。依托監(jiān)管平臺，完善對網(wǎng)絡(luò)出版網(wǎng)站基本情況的著錄和整理，建立網(wǎng)絡(luò)出版單位基本信息數(shù)據(jù)庫，便于行業(yè)主管部門摸清家底，提高公共服務(wù)能力。

3.信息采集。信息采集是指利用計算機(jī)軟件技術(shù)對網(wǎng)站的任意網(wǎng)頁進(jìn)行目標(biāo)分析，分析出網(wǎng)頁的各種屬性信息，并根據(jù)采集規(guī)則進(jìn)行分類存儲，除采集網(wǎng)站基本情況信息外，還采集出版物的一些基本信息。

4.文本挖掘。依靠文本挖掘引擎技術(shù)實現(xiàn)對文本的深度解析，把需要的信息進(jìn)行分類細(xì)化提取，實現(xiàn)文本自動歸類和自動梳理。

5.全文檢索。監(jiān)測網(wǎng)站出版物是否存在違規(guī)內(nèi)容是監(jiān)管平臺的主要功能之一，要實現(xiàn)這項功能必須進(jìn)行全文檢索。一般的檢索系統(tǒng)只是基于標(biāo)題或關(guān)鍵詞的檢索，而全文檢索細(xì)化了檢索的顆粒度，讓文本內(nèi)容全部參與檢索，并且能夠?qū)z索結(jié)果進(jìn)行排序，極大提高了檢索精確性。

6.違規(guī)內(nèi)容鑒別。違規(guī)內(nèi)容鑒別要根據(jù)出版物的不同載體有所區(qū)別，對于文本型內(nèi)容，基于敏感關(guān)鍵詞庫，通過預(yù)定義的敏感關(guān)鍵詞或通過語義規(guī)則模型，實現(xiàn)對文本型正文的自動匹配；而對于音視頻類出版物，則自動檢索已采集的音視頻出版物，通過語音識別、鏡頭劃分、關(guān)鍵幀提取等音視頻語義分析手段，實現(xiàn)對全媒體出版物內(nèi)容違法違規(guī)情況的智能預(yù)判。

7.出版物內(nèi)容審核與處理。該功能是平臺的主要功能之一，對平臺預(yù)警出來的涉嫌違規(guī)出版物進(jìn)行審讀和處理。該功能通過監(jiān)管網(wǎng)站權(quán)重、違規(guī)主題、采集時間、發(fā)布時間等指標(biāo)，實現(xiàn)出版內(nèi)容違規(guī)信息的分類分級優(yōu)先審讀，導(dǎo)航區(qū)可支持監(jiān)管主題、出版物類型、出版物形態(tài)等分類方式，對預(yù)警案件審讀后在平臺中完成撰寫審讀意見報告。

8.網(wǎng)絡(luò)出版輿情分析。通過對互聯(lián)網(wǎng)海量信息自動獲取、自動聚類、主題檢測、專題聚焦，實現(xiàn)對互聯(lián)網(wǎng)信息的輿情監(jiān)測、信息監(jiān)控及專題追蹤等功能，形成監(jiān)測簡報、分析報告等結(jié)果報告，為用戶全面掌握輿情動態(tài)，進(jìn)而做出正確輿論引導(dǎo)提供分析依據(jù)。

9.導(dǎo)航主題分類與管理。監(jiān)管平臺導(dǎo)航主題應(yīng)實現(xiàn)多維度的管理模式，通過出版物的違規(guī)主題、出版形態(tài)、學(xué)科進(jìn)行分類分級顯示，違規(guī)內(nèi)容主題可根據(jù)《出版管理條例》中的禁載規(guī)定設(shè)置監(jiān)管主題。

10.知識庫管理。知識庫管理是對監(jiān)管平臺基礎(chǔ)數(shù)據(jù)的管理，包括語料庫、語義規(guī)則庫、敏感詞庫、網(wǎng)站基本信息庫、主題數(shù)據(jù)庫、違規(guī)案件庫、輿情信息庫等。

11.取證管理。對于網(wǎng)站違規(guī)內(nèi)容等電子證據(jù)的固化和保全，在監(jiān)管平臺中也是一大亮點(diǎn)。通過自動化取證管理模塊，模擬進(jìn)行多線程的網(wǎng)頁快照抓取，提高了進(jìn)行大量網(wǎng)頁快照取證的工作效率，對不同網(wǎng)站、案件進(jìn)行多級目錄存取，對頁面地址欄、首頁內(nèi)容、頁面ICP等信息進(jìn)行標(biāo)準(zhǔn)化取證。

12.網(wǎng)站評價體系?；诒O(jiān)管平臺的基礎(chǔ)數(shù)據(jù)，以數(shù)據(jù)采掘技術(shù)和人工整理分析相結(jié)合的模式，建立一套可行可用的網(wǎng)站評價體系，評價指標(biāo)包括：網(wǎng)站規(guī)模、出版物種類、出版物數(shù)量、網(wǎng)站友好性、公益型、贏利型、違規(guī)情況等。

13.查詢、統(tǒng)計分析。對網(wǎng)絡(luò)監(jiān)管平臺中的采集數(shù)據(jù)、預(yù)警數(shù)案件、網(wǎng)站信息等各類監(jiān)管數(shù)據(jù)的查詢、綜合統(tǒng)計、分析、報表功能。

14.系統(tǒng)運(yùn)行管理。運(yùn)行管理實現(xiàn)對系統(tǒng)業(yè)務(wù)參數(shù)和運(yùn)行參數(shù)的配置和管理，分配用戶權(quán)限，監(jiān)控平臺運(yùn)行網(wǎng)絡(luò)、軟硬件等運(yùn)行狀態(tài)，出現(xiàn)異常進(jìn)行報警。

15.系統(tǒng)安全。為防止網(wǎng)絡(luò)用戶攻擊機(jī)反向定位，在網(wǎng)絡(luò)層將所有訪問互聯(lián)網(wǎng)的終端地址加以隱藏，并在應(yīng)用層設(shè)置訪問黑/白IP地址，保證系統(tǒng)的安全。

監(jiān)管平臺開發(fā)關(guān)鍵技術(shù)分析

1.海量非結(jié)構(gòu)化數(shù)據(jù)庫管理技術(shù)

傳統(tǒng)的數(shù)據(jù)庫管理系統(tǒng)是針對關(guān)系型結(jié)構(gòu)化數(shù)據(jù)的管理，對于非結(jié)構(gòu)化數(shù)據(jù)沒有有效的管理方式。目前網(wǎng)絡(luò)上80%是非結(jié)構(gòu)化數(shù)據(jù)，因此，網(wǎng)絡(luò)出版監(jiān)管平臺亟需研發(fā)海量非結(jié)構(gòu)化數(shù)據(jù)庫管理技術(shù)，從而高效管理和利用這些數(shù)據(jù)。

2.文本挖掘技術(shù)

文本挖掘是從大量文本的集合和語料中抽取事先未知、可理解的、有潛在實用價值的模式和知識，面對海量的互聯(lián)網(wǎng)數(shù)據(jù)，要求文本挖掘系統(tǒng)提供智能檢索、自動分類、自動聚類、關(guān)鍵詞自動標(biāo)引、自動文摘、信息過濾、關(guān)聯(lián)規(guī)則挖掘等多種實用功能，以其為基礎(chǔ)可方便地開發(fā)應(yīng)用系統(tǒng)，快速實現(xiàn)智能信息挖掘，有效地進(jìn)行知識管理。

3.互聯(lián)網(wǎng)信息采集技術(shù)

互聯(lián)網(wǎng)信息采集技術(shù)是指利用計算機(jī)軟件技術(shù)，針對定制的目標(biāo)數(shù)據(jù)源，實時進(jìn)行信息采集、抽取、挖掘、處理，將非結(jié)構(gòu)化的信息從大量的網(wǎng)頁中抽取出來保存到結(jié)構(gòu)化的數(shù)據(jù)庫中，從而為各種信息服務(wù)系統(tǒng)提供數(shù)據(jù)輸入的整個過程。

4.多媒體信息的智能識別技術(shù)

目前，多媒體信息的智能識別技術(shù)可以為圖、音、視等內(nèi)容分析提供解決方案。比如色情圖像和視頻識別中可通過對膚色檢測，對顏色、形狀、臉部等進(jìn)行特征標(biāo)識和特征提取，并實行多維度的索引，對圖像的內(nèi)容作出識別，達(dá)到監(jiān)測不良信息的目的。語音識別系統(tǒng)則通過連續(xù)語音識別，把語音信號轉(zhuǎn)化成計算機(jī)信號進(jìn)行識別處理。我們同樣可以利用這項技術(shù)對網(wǎng)上傳輸?shù)穆曇魯?shù)據(jù)進(jìn)行處理，把其中的語音信息轉(zhuǎn)化為文字信息以實行內(nèi)容安全處理。

發(fā)展應(yīng)與管理相輔相成，有效的管理是保障網(wǎng)絡(luò)出版取得健康發(fā)展的基礎(chǔ)和前提條件。而僅通過人工手段進(jìn)行監(jiān)管顯然已經(jīng)滿足不了管理的要求，必須通過技術(shù)手段實現(xiàn)網(wǎng)絡(luò)出版的監(jiān)管。同時，通過立法明確負(fù)面清單，監(jiān)督限定網(wǎng)絡(luò)出版行為，做到有法可依，有規(guī)定可遵守。在網(wǎng)絡(luò)出版內(nèi)容的管理方面，筆者還建議國家放低對網(wǎng)站網(wǎng)絡(luò)出版業(yè)務(wù)資質(zhì)的準(zhǔn)入門檻，實行寬進(jìn)嚴(yán)出的原則，實現(xiàn)網(wǎng)絡(luò)化在線審核。隨著技術(shù)水平的不斷提高和智能語義分析技術(shù)的發(fā)展，加上我國政府對網(wǎng)上信息監(jiān)管的重視程度不斷加強(qiáng)，相信在不久的將來，網(wǎng)絡(luò)出版必將保持健康有序發(fā)展。

（作者單位系新聞出版總署信息中心）