基于AI技術(shù)的新媒體自動采編系統(tǒng)設(shè)計

楊 昆

（辰溪縣融媒體中心，湖南 懷化 419500）

0 引言

在網(wǎng)絡(luò)快速發(fā)展的今天，新媒體的自動采編系統(tǒng)為媒體事業(yè)的發(fā)展奠定了堅實的技術(shù)基礎(chǔ)。但是，由于目前的采編系統(tǒng)功能較為單一，缺乏完整的作品分享庫，且存在權(quán)限不明確等問題，造成了工作效率低下，同時也不能保障系統(tǒng)資源的安全性。針對上述問題，該文提出一種基于AI技術(shù)的新型新媒體采編系統(tǒng)。能夠?qū)崿F(xiàn)新媒體內(nèi)容的網(wǎng)上協(xié)同工作，以及稿件資源的共享，將業(yè)務(wù)和辦公相結(jié)合，為企業(yè)的新媒體采編業(yè)務(wù)發(fā)展提供了一套完整的解決方案。在系統(tǒng)模塊的設(shè)計上，通過層次劃分，把控制層、服務(wù)層、數(shù)據(jù)層、應(yīng)用層等層次進行了劃分，使整個系統(tǒng)更加高效，更加好維護。在功能設(shè)計上，要充分考慮到新媒體的特性和不同的編輯生產(chǎn)要求，從而提高編輯處理系統(tǒng)的實用性。另外，還要考慮到系統(tǒng)的安全需求。從系統(tǒng)的可用性角度出發(fā)，針對系統(tǒng)的具體應(yīng)用進行了測試，從功能和非功能兩個方面進行了驗證，結(jié)果表明該系統(tǒng)是可行的，滿足了對采編流程優(yōu)化、圖片管理、績效管理等功能性要求以及易用性、可靠性和安全性等非功能性要求。利用人工智能技術(shù)，設(shè)計出一套新媒體的自動化采編系統(tǒng)，實現(xiàn)了網(wǎng)上采編的全過程，以及新媒體辦公的集成系統(tǒng)。

1 新媒體自動采編系統(tǒng)功能分解

1.1 系統(tǒng)功能設(shè)計

在基于AI技術(shù)的新媒體采編系統(tǒng)開發(fā)的流程中，結(jié)構(gòu)設(shè)計具有重大作用。在此基礎(chǔ)上，該文將整個采寫體系的總體框架劃分成五層，從底層到頂層，分別是平臺層、數(shù)據(jù)層、應(yīng)用層和用戶層。具體內(nèi)容如圖1所示。

圖1 系統(tǒng)邏輯結(jié)構(gòu)圖

平臺級為操作系統(tǒng)，包括應(yīng)用服務(wù)器集群、緩存服務(wù)器集群以及系統(tǒng)的數(shù)據(jù)庫管理系統(tǒng)。在已有的數(shù)據(jù)架構(gòu)基礎(chǔ)上，使用MySQL數(shù)據(jù)庫，并能適應(yīng)當前的爬蟲界面、檢索界面等。整合異質(zhì)的數(shù)據(jù)和信息來源，提供一個單一的接入端口，并針對不同的客戶需要，為其提供相應(yīng)的接口和服務(wù)。接受和檢視相關(guān)的資料，并執(zhí)行相關(guān)的交易。按照其對應(yīng)的服務(wù)職能，將其劃分成2類，即后臺管理和前端系統(tǒng)。由于該系統(tǒng)是對多個服務(wù)器進行采編，因此需要對各服務(wù)器進行不同的設(shè)計，將資料整理、文章編輯和審核等部分置于內(nèi)聯(lián)網(wǎng)的狀態(tài)下，服務(wù)器就是內(nèi)部網(wǎng)路伺服器，采購者可以利用網(wǎng)路接入外部網(wǎng)路伺服器傳送來自附近的突發(fā)訊息。根據(jù)新聞編輯體系結(jié)構(gòu)，將外部網(wǎng)絡(luò)的用戶分成2個部分，即移動電話等平面媒體以及計算機的瀏覽。移動電話使用者通過移動電話或微信進行登錄，而PC瀏覽者則可以通過計算機上所安裝的瀏覽器進行登錄。在材料收集者找到新的材料后，可以不受時間和設(shè)備的限制，將所收集的材料迅速地存儲在資料庫中。在內(nèi)聯(lián)網(wǎng)環(huán)境下，使用者可以利用PC上的網(wǎng)頁，對收集到的資料進行整理、編輯和修改，并在審查后上傳至相關(guān)的網(wǎng)站。

1.2 人工智能采編流程設(shè)計

對相關(guān)軟件來說，快速檢索和良好的數(shù)據(jù)處理是非常關(guān)鍵的。該文的應(yīng)用程序采用了MySQL的數(shù)據(jù)庫，該系統(tǒng)的數(shù)據(jù)庫按以下步驟進行。1） 需求剖析。與新傳媒員工進行溝通與交流，跟著工作人員深入現(xiàn)場，觀摩從收集到發(fā)行的全流程，對企業(yè)的主要經(jīng)營行為進行紀錄和剖析，進而對數(shù)據(jù)庫的設(shè)計需求進行深入剖析。2） 概念性架構(gòu)的設(shè)計。利用此步驟建立資料的概念化模型，并對資料庫的邏輯架構(gòu)進行規(guī)劃，反映出資料庫的運作方式。3） 邏輯架構(gòu)的設(shè)計。依據(jù)前一步所提的概念模型，對數(shù)據(jù)庫進行邏輯架構(gòu)的規(guī)劃，以反映企業(yè)的業(yè)務(wù)邏輯。4） 實體架構(gòu)的設(shè)計。在此基礎(chǔ)上，根據(jù)所選取的資料庫和所設(shè)計的邏輯架構(gòu)來決定資料庫中各個資料庫的具體實施方法。5） 數(shù)據(jù)庫實現(xiàn)。根據(jù)上述步驟所設(shè)計的邏輯與實體架構(gòu)，構(gòu)建一個資料庫及其對應(yīng)的數(shù)據(jù)庫，將資料儲存在資料庫內(nèi)，并透過執(zhí)行來確認資料庫的合理性，若有不符合要求的情況，則即時變更資料庫與資料表的型式。6） 資料庫操作與維修。上述各工作步驟完成后，資料庫將正式投入使用，并要求系統(tǒng)管理員與維修者追蹤記錄資料庫的運作狀況，特別是在初期，出現(xiàn)問題后能即時處理。

2 軟件設(shè)計

新媒體自動采編系統(tǒng)需要解決的是熱點信息的收集與整理，實現(xiàn)對敏感熱詞的自動化確認、搜索、識別和采集，并經(jīng)過整理后完成文稿提交。因此偵搜熱點信息是新媒體自動采編的核心組成。

2.1 熱詞偵搜算法設(shè)計

要實現(xiàn)智能化的文字潤色，須有包括大量優(yōu)秀表達語句的語料庫。對該文的研究而言，干擾信息大多是廣告、作者信息和叢書信息等，這些信息本身的標簽權(quán)重值就較低。因此，基于AI技術(shù)的新媒體自動采編系統(tǒng)熱詞偵搜信息算法即可滿足需求，去除干擾信息的算法如公式（1）所示。

式中：為輸入的新媒體文章序列；為輸出的總媒體文章序列；為序列的標簽；（）為標簽過濾函數(shù)。

標簽權(quán)重在0.5及以下時，基本是屬于無法為文字潤色提供服務(wù)的干擾文本信息。因此，標簽權(quán)重低于0.5的文章序列將被濾除。去除干擾信息之后的內(nèi)容資源就可以進行資源拆分了，資源拆分主要是為了提高資源處理效率。將一篇文檔拆分成多個文本片段，可以按段拆分，也可以按句拆分。拆分完成的文本片段包括的數(shù)據(jù)量大幅縮小，為后續(xù)的分詞處理環(huán)節(jié)提供了便利。

分詞算法的3個層級表達如下：第一個層級為“詞語最大長度匹配”，它的含義為分詞結(jié)果都是從詞語庫中能夠匹配的最長詞語。第二個層級為“拆分詞組最少匹配方案”，它的含義為拆分后獲得的詞語個數(shù)最少的方案為最終選取的方案。第三個層級為“最小詞方差匹配方案”。如果前2個層級都無法很好地獲取到分詞結(jié)果，就需要使用第三個層級的分詞方案進行分詞?！白钚≡~方差匹配方案”的表達如公式（2）所示。

式中：，…，L為各種分詞方案輸出的不同詞語序列；L為詞語序列L的詞語長度方差。

方差最小的分詞結(jié)果即是當前方案下的輸出，拆分后的文本片段通過上述分詞環(huán)節(jié)能夠輸出大量詞語，這些詞語會作為基本元素存儲到基礎(chǔ)資源庫中。基礎(chǔ)資源庫里存儲的資源是經(jīng)過分詞處理之后的文本片段，要實現(xiàn)對用戶輸入內(nèi)容的語義理解，還需要對這些資源進行語義處理。關(guān)鍵詞提取功能能夠提取一段內(nèi)容的關(guān)鍵詞。關(guān)鍵詞是描述這段文字的核心信息，它可以代表這段文字的主題，根據(jù)研究本身的特征設(shè)計了如公式（3）和公式（4）所示的關(guān)鍵詞提取算法。

式中：（）為詞語出現(xiàn)的詞頻；n為詞語在輸入文本序列中出現(xiàn)的次數(shù)；x為詞語所在句子的標簽權(quán)重；（）為詞語i的關(guān)鍵詞權(quán)重值；為用一個完整標簽的輸入文本序列總個數(shù)；M為包括詞語的用一個完整標簽的文本序列總個數(shù)。

為降低某些常用詞語帶來的影響，在算法中引入了詞頻計算因子。概念擴展功能能夠在提取關(guān)鍵詞后使用關(guān)鍵詞和語義網(wǎng)進行概念擴展，將多個相同的概念指向同一段文字，以豐富、擴展檢索的內(nèi)容。根據(jù)公式（1）~公式（5），基于AI技術(shù)的新媒體自動采編系統(tǒng)偵搜熱點信息設(shè)計成立，可方便下一步的自動采編設(shè)計。

2.2 新聞自動采編設(shè)計

多渠道信息采集是新聞素材的來源，該體系可以采用多種方法進行收集。可以采用常規(guī)方法，將收集到的材料通過數(shù)據(jù)庫進行整理和存儲；也可以通過爬蟲技術(shù)獲取對應(yīng)網(wǎng)站的信息，除收集工作者積極收集資料，也可由讀者自行撰寫，材料獲取的模塊框架如圖2所示。

圖2 素材采集功能模塊圖

當收集到的材料被上傳時，首先將收集到的材料放在MaterailAdd.php頁面中，然后在相應(yīng)的頁面中單擊“加入”，把材料加入名為“材料管理類”的MaterailController.php中，隨后材料被錄入“材料表格”中。如果此資訊被成功地錄制，將會傳回已儲存的資訊，反之，會顯示儲存已失效。不合格的理由是必須填好的資料或者所填資料超出了字數(shù)的限度，收集者所提供的錯誤資訊會被重新修改和儲存。在執(zhí)行檢索功能時，在用戶界面中鍵入檢索關(guān)鍵詞或選定時段進行檢索，然后將所選的關(guān)鍵詞和所選定的時段發(fā)送至材料控件，利用此類中的方式，從資料庫中檢索出相應(yīng)的資料，并將檢索的結(jié)果反饋給資料庫，若檢索的結(jié)果超過10條將會出現(xiàn)頁面，如果未找到將會自動刪除。

2.3 系統(tǒng)管理模塊

系統(tǒng)管理員也被稱為超級管理員，具備上述用戶的全部功能，管理用戶、部門和角色，其功能架構(gòu)如圖3所示。

圖3 系統(tǒng)管理功能結(jié)構(gòu)圖

用戶的基本資料管理主要有添加用戶、刪除用戶和修改用戶基本資料等，用戶基本資料的管理有用戶名稱、密碼、角色權(quán)限以及所屬單位等。部門的信息管理功能包括新增部門、刪除部門和修改部門基本資料等，部門的變化很小，將部門的屬性被設(shè)定為0不會出現(xiàn)部門被刪除的情況。管理員對部門進行管理時，可以在頁面上對其進行增加、刪除和修改，將操作信息發(fā)送給項目控件，利用這個模塊中的方式，在類中使用相應(yīng)的方式，可以增加新的欄目，可以從欄目類別中移出方法，在邏輯類別中進行調(diào)用，進而可以對條目的內(nèi)容進行編輯。按照上述的步驟，對資料庫的欄目表進行相應(yīng)更改，并將作業(yè)后的資料反饋至系統(tǒng)管理員以便查看。

3 系統(tǒng)測試

3.1 測試準備

在此基礎(chǔ)上，該文結(jié)合基于AI的新媒體采編系統(tǒng)的架構(gòu)，構(gòu)建了采編服務(wù)器，并初步實現(xiàn)了對新媒體內(nèi)容的簡單收集與分發(fā)。校園網(wǎng)的內(nèi)部用戶可以在ChinaNet上不需要直接進入大型站點，就可瀏覽到主要內(nèi)容，同時還能降低中國網(wǎng)絡(luò)的流量。在RedhatLinux7.1操作系統(tǒng)中，該文采用了MySQL3.23.44、Apache1.3.22、PHP4.0.6以及FastTemplate模板等軟件。使用PHP、MySQL和Apache構(gòu)建Web站點是目前比較受歡迎的一種方式。MySQL2是一款比其他大型數(shù)據(jù)庫系統(tǒng)更易于操作的自由數(shù)據(jù)庫服務(wù)器。Apache3是當前應(yīng)用最廣泛的Web服務(wù)器應(yīng)用軟件，其源碼是自由的，可以在UnixWindows平臺上運行。在Apache中將PHP4作為一個靜態(tài)模塊，并提供MySQL的支持，以便使用PHP功能存取MySQL數(shù)據(jù)庫。

3.2 測試結(jié)果

該文采用PHP的命令方法實現(xiàn)了后臺數(shù)據(jù)的采集，并使用Linux操作系統(tǒng)的Cron指令完成了采集整理。該測試將介紹如何對特定的源文件進行分析，以獲取所需的新媒體信息。在一個網(wǎng)站上，從一個網(wǎng)站的HTML源文件中提取2個不同的新聞列表，就可以得到一個頁面1和一個內(nèi)容2的絕對網(wǎng)址，因此，可以將一個相對網(wǎng)址前后的唯一區(qū)別代碼作為一個特別的識別點。由于頁面的格式比較固定，收集器將網(wǎng)頁的原始資料下載后，通過特定的識別找到相應(yīng)的網(wǎng)頁，然后與網(wǎng)站的網(wǎng)址構(gòu)成絕對網(wǎng)址，以供下一步內(nèi)容網(wǎng)頁的下載。這種特定的識別方式應(yīng)該能夠識別出新媒體內(nèi)容的相對地址，而內(nèi)容頁面的分析原理與之相似，即將新聞標題、正文和圖片等從其來源文檔中提取出來。收集到的消息存儲到MySQL數(shù)據(jù)庫，相應(yīng)的表結(jié)構(gòu)見表1。

表1 新媒體內(nèi)容正文表

當新媒體內(nèi)容發(fā)行時，會自動產(chǎn)生一個標題清單的javascript。每次有使用者訪問時，該系統(tǒng)會使用FastTemplate模板來動態(tài)產(chǎn)生一個清單頁，當使用者點擊該網(wǎng)頁時，會動態(tài)地將包括文本和圖片的內(nèi)容從資料庫中提取出來，并使用FastTemplate模板動態(tài)地產(chǎn)生一個網(wǎng)頁。同時，系統(tǒng)還可以通過點擊來統(tǒng)計每天、每周的熱點話題。該系統(tǒng)架構(gòu)具有很強的擴展性，可以在基礎(chǔ)數(shù)據(jù)采集功能的基礎(chǔ)上對其他相關(guān)的功能進行擴充，以滿足用戶的各種需要。

4 結(jié)語

隨著網(wǎng)絡(luò)新媒介的日益增多，如何利用人工智能技術(shù)建立新的媒介，減少員工的工作壓力并提高工作效率已成為研究重點。該文設(shè)計的新媒體采編系統(tǒng)架構(gòu)具有很強的擴展性，可以在原有的基礎(chǔ)數(shù)據(jù)采集基礎(chǔ)上對其他相關(guān)功能進行擴充，以適應(yīng)不同的用戶需要。在此基礎(chǔ)上開發(fā)的抓取服務(wù)器，目前僅具有基本的數(shù)據(jù)采集和動態(tài)發(fā)布功能，需要不斷地改善和進步。下一步的研究重點是利用AI技術(shù)進行數(shù)據(jù)采集，以提高相關(guān)數(shù)據(jù)采集工作效率，并將各功能模塊自動化，為企業(yè)的業(yè)務(wù)發(fā)展注入新的生機。以人工智能為基礎(chǔ)的新媒體采編系統(tǒng)的應(yīng)用領(lǐng)域也從局域網(wǎng)向手機網(wǎng)絡(luò)延伸，進而使采編工作者擺脫了時空的限制，提高了新聞內(nèi)容的時效性。