大數據環(huán)境下海量多媒體信息過濾技術的改進

摘 要隨著信息化時代的到來，越來越多的多媒體信息在人們的生活中出現(xiàn)，只有提高多媒體信息過濾技術才能從根本上保證人們獲取信息的安全性。傳統(tǒng)的信息過濾技術已經不能滿足當下信息過濾的需求，本文將對大數據環(huán)境下多媒體信息過濾技術的優(yōu)化進行分析，希望能夠促進該技術在大數據環(huán)境下海量多媒體信息過濾中的應用，以提高多媒體信息的安全性和實用性。

【關鍵詞】大數據環(huán)境 多媒體信息 過濾技術

多媒體信息過濾技術能夠有效提高人們使用信息的安全性和實用性，但是傳統(tǒng)的多媒體過濾技術已經不能滿足當下的信息過濾需求，傳統(tǒng)技術在算法上過于陳舊，過濾的信息準確性不高，海量數據一起涌入極易引起系統(tǒng)崩盤。這些問題對大數據環(huán)境下多媒體信息的過濾是極其不利的，隨著大數據環(huán)境的到來，對多媒體信息技術進行優(yōu)化變得至關重要，要將傳統(tǒng)多媒體信息過濾技術中的不足之處盡快解決，以實現(xiàn)對海量多媒體信息的完全識別、過濾、分類，滿足人們對日常信息需求。

1 多媒體信息過濾技術的優(yōu)化

1.1 對算法擴充的優(yōu)化

在大數據環(huán)境下，傳統(tǒng)的多媒體信息過濾技術中陳舊的計算方法已經不能清晰的對新型的數字編碼格式進行識別，使得對多媒體信息的過濾不夠全面，大量多媒體信息在過濾中會被遺漏。因此，要對傳統(tǒng)的多媒體信息過濾技術進行優(yōu)化，將傳統(tǒng)陳舊的算法淘汰掉，利用動態(tài)編碼的算法來進行對多媒體信息的過濾和計算，對原來算法底層的支持庫進行全面更新。動態(tài)編碼算法能夠嚴格按照大數據環(huán)境下海量多媒體信息所特有的共性進行排列并做出總結，還具有良好的自我學習和升級功能，隨著大數據空間和數據量的變化，該算法的計算方式也能夠進行自我轉換，通過擴大該算法，還能夠得到新的動態(tài)編碼計算方式。

1.2 對算法邏輯的嚴謹性進行優(yōu)化

在大數據環(huán)境下，傳統(tǒng)的多媒體信息過濾技術在算法邏輯上存在不嚴謹的問題，算法邏輯中漏洞百出。如果多媒體信息突然增多，邏輯檢索就會出現(xiàn)異常，傳統(tǒng)算法就不能滿足計算需求，出現(xiàn)崩潰或者停止運算的現(xiàn)象，多媒體信息也會大量涌現(xiàn)。為了盡快解決這一問題，要將輔助邏輯算法添加在在動態(tài)編碼算法上，不僅能夠增強算法的穩(wěn)定性，還能保證算法邏輯的嚴謹性，將大數據環(huán)境下由于海量多媒體信息共涌引起的算法停止現(xiàn)象徹底解決。輔助邏輯算法能夠對多媒體信息分裝標簽下的信息排列進行識別分析和檢索提取等，該分裝標簽是多媒體信息資源所獨有的。運用該算法得出的結果將會自動傳回到總算法中，動態(tài)編碼算法將會對該結果并進行識別并確認。如果在大數據環(huán)境下，多媒體信息出現(xiàn)了新的封裝格式，由于多媒體信息封裝格式數據編碼的排列不同，輔助邏輯算法就能夠根據不同的排列特征對封裝格式進行處理，并將處理結果傳回給底層支持庫，最終完成自我升級的功能。這一算法在改進后需要將主動執(zhí)行代碼添加到該算法的執(zhí)行代碼中，以保證該算法對多媒體信息的掃描能夠順利進行。

1.3 多媒體信息特征識別過濾引擎

在大數據環(huán)境下，對多媒體信息特征的識別過濾能夠有效提高多媒體信息的質量，提高信息過濾的效果。該引擎由兩個部分組成，第一部分是多媒體信息特征的對比模塊，該模塊對信息數據的下傳是按照動態(tài)編碼算法的實際情況來完成的，對大數據環(huán)境下多媒體信息的基本數據進行標簽比對和綁定。被發(fā)送到多媒體信息特征分類模塊的信息都是符合信息認證綁定條件的，還要對這些信息進行分類和過濾處理，還有部分信息在身份比對和認證綁定中沒有通過，這類信息將被傳回到初始模塊進行再次識別。多媒體信息特征的比對模塊采用的是多媒體信息的內核構造算法，與傳統(tǒng)的算法相比較，該算法的識別率和準確率都較高。有些多媒體信息已經被識別，該算法會在這些信息數據的最底層輸入動態(tài)的身份代碼，該代碼的輸入對多媒體信息的內容沒有影響，只起到識別身份的作用，但通過該代碼對信息身份的識別只有運用多媒體信息特征的識別過濾技術才能實現(xiàn)。第二部分是多媒體信息特征的過濾模塊，該模塊采用的是多媒體信息內核漏照算法，對海量多媒體信息的數據進行漏照處理，使過濾后的信息能夠排列集中，不用后期再去整理。該算法在應用中是按照多媒體信息構造量排列的不同進行的，對不同多媒體信息進行反交排列，最終能夠形成一個反交序列幀網，對多媒體信息數據進行身份識別，識別成功的信息將從反交序列幀網中的空隙通過，識別不成功的信息就不能通過。

2 實驗與分析

該實驗主要分為兩個部分，分別是限時實驗和指定實驗的樣本測試，就是對大數據環(huán)境下多媒體信息過濾技術在應用中的精確度和耗時長短進行測驗。例如，第一個實驗是將測試平臺的配置設置為i5-7200CPU，主頻為3.5赫茲，內存為16G，windows8操作系統(tǒng)。將測試時間設置為60分鐘，每10分鐘設置為一組，一共設置6組，對統(tǒng)一時間內過濾的多媒體信息數量進行對比，對多媒體信息的過濾要分別運用傳統(tǒng)過濾技術和優(yōu)化后的過濾技術，對多媒體信息過濾的數量進行計算，最終得出信息過濾的精確率。第二個實驗是將測試平臺設置為i5-7200CPU，主頻為3.5赫茲，內存為16G，windows8操作系統(tǒng)。利用該系統(tǒng)對六萬多條多媒體信息進行測試，將大量多媒體信息分為10組來完成，對傳統(tǒng)大數據環(huán)境下多媒體信息過濾技術與優(yōu)化后過濾技術的所需時間和過濾結果進行對比。通過對這兩個實驗的結果進行分析，能夠清晰的看出優(yōu)化后的多媒體信息過濾技術與傳統(tǒng)過濾技術相比，其過濾的精確度更高、對多媒體信息的識別效果更好、識別效率更高、算法穩(wěn)定性更強，充分滿足了大數據環(huán)境下對海量多媒體信息的過濾需求。

3 結束語

大數據環(huán)境下，對多媒體信息的過濾是人們獲取信息質量得到保證的基本前提，為了充分保證多媒體信息的實用性和安全性，要加強對多媒體信息過濾技術的優(yōu)化，以滿足當下多媒體信息的過濾需求。雖然傳統(tǒng)的大數據環(huán)境下多媒體信息過濾技術依舊存在一些問題，但通過本文對過濾技術改進的分析，希望能夠引起相關部門的注意，提高對優(yōu)化后多媒體信息過濾技術的應用，實現(xiàn)對大數據環(huán)境下海量多媒體信息的全面過濾，從而保證多媒體信息的安全性和實用性。

參考文獻

[1]王晰巍，趙丹，李嘉興等.新媒體環(huán)境下網絡輿情演化模型及仿真研究——基于信息生態(tài)視角[J].情報學報，2016，35（10）：1011-1021.

[2]翟夢雯，張軍.自媒體時代的網絡輿情反轉研究——基于框架生成和群體極化的理論視角[J].長春理工大學學報：社會科學版，2017，30（03）：62-68.

[3]王永燦.自媒體時代高校網絡輿情主體特征及引導探究——基于高校網絡輿情誘因的分析視角[J].北京郵電大學學報（社會科學版），2013，15（05）：1-6.

[4]王晰巍，張柳，李師萌等.新媒體環(huán)境下社會公益網絡輿情傳播研究——以新浪微博“畫出生命線”話題為例[J].現(xiàn)代圖書情報技術，2017，1（06）：93-101.

[5]黎紅友，陳宇.自媒體時代網絡輿情生成和傳播機制研究——基于大數據社會網絡分析視角[J].當代傳播（漢文版），2016（01）：24-25.

作者簡介

李泰（1979-），男，山西省太原市人。電子科技大學研究生學歷。太原學院助講。主要研究方向計算機多媒體，智能。

作者單位

太原學院 山西省太原市 030032