试论广播电视监测中大数据技术的应用

对于广播电视而言，如何加强监测仍是该领域从业者普遍关注的问题，鉴于互联网等技术在广播电视中的广泛应用，广播电视监测体系开始由传统的人工监测逐步朝着云计算监测趋势发展，为有效提升监测水平，还需充分发挥大数据技术的优势。

一、大数据技术概述

所谓的大数据技术，是借助于各类智能数据库、搜索引擎的信息搜集、分析、整合、处理等功能，辅以计算机的强大计算功能、多学科专家的精准判断以及系统自身的补充、完善，对某一事件展开系统分析，并就其未来发展趋势加以科学预测。

该技术可以自动就冗杂的信息加以分类、归纳、分析，极大地节约了人力、物力，提升了系统效率，便于系统多元化服务与功能的拓展。大数据技术的诞生，衍生出了诸多新型的信息分析、存储系统，如信息的预处理、存储、挖掘、数字化分析、科学预测、检索、可视化、信息安全等系统。

二、当前广播电视监测现状分析

在互联网信息技术的助力下，广播电视监测效率有了大幅提升，但仍存在诸多问题，主要体现在如下方面：1.资源利用效率低下。当前，各地区广播电视的监测系统中，普遍存在着主机资源利用效率低下等问题，有些还出现了资源难以均衡配置等情况。一般而言，对于系统的小型应用而言，若配置在主机之中，会导致系统主机、I/О资源等过多闲置，无法充分发挥其功效。而就各主机，其内各项业务逻辑的运行都需占用资源，这就导致业务空档期间，很多主机出现了闲置停运的情况，引发了优质资源的大幅浪费，导致重复投资等情况出现。2.系统优化升级困难。由于广播电视监测体系所涵盖的学科内容、专业领域不断增多，硬件设施也逐步完善，导致广播电视监测过程中数据库环境、运行条件等纷纷发生了变化，造成电视监测业务系统运行的不确定性。究其原因，主要是由于监管体系缺乏标准性的软、硬件配置，日后一旦需要对接，将会导致各类问题产生，系统硬件优化升级十分困难。3.系统互联效果不佳。现如今，广播电视监测管理中问题重重，各个监测体系中不同区域之间并非有效连接，其相互间关联效果不甚理想。一旦某一区域的广播电视监控系统出问题，其他各个地区的监测工作也将停滞不前。此外，作为广播电视监测部门的主要结构，树形结构存在一个极大的弊端，即一旦某一链路信息传送出现了问题，则必将对其他链路监测工作产生不良影响，致使广播电视监测不连续，系统运转效率大幅降低。4.监测业务过于冗杂。当前，广播电视监测体系级各项业务过于冗杂，在用系统中涉及到诸如监听、监视、广告监管、安全播出、WAP监管等多种系统，不仅服务器数量多，且各类设备、系统均有相应的管理方式，面向众多的服务器，导致监测量庞大，加上各类应用接口、流程异常繁杂，致使广播电视监测难度剧增。5.缺乏必要的备用系统。目前，就广播电视监测体系而言，多数过分依赖现有体系，不注重备用系统的准备，一旦体系、设备存在故障，需耗费大量时间、精力及十分复杂的操作进行修复。此外，备用系统的缺乏致使故障产生时，监测工作不得不暂停，严重降低了广播电视监测效率与业务质量。

三、广播电视监测中大数据技术的应用策略

为了提升广播电视监测质量，可以充分利用大数据技术的应用优势，具体而言，可从入学几个方面着手：

(一)构建信息资源库，便于数据采集与挖掘

大数据时代已经到来，各行各业各个领域均产生了巨大的变革。对于广播电视监测工作而言，无论是监测要求，还是监测环境均发生了巨大的改变。因此，必须加快构建信息资源库，更好地适应大数据技术的应用，便于数据的采集，也方便后续数据分析、挖掘等，这是广播电视监测中应用大数据技术不可或缺的重要环节。通过信息资源库系统，可以实现监测体系众多数据的集中化采集、存储、分类、深度挖掘、信息提取等。若监测中存在异态数据，该系统能够重点将其存储，反之则合理舍弃。就正常频谱下所储存的数据精度，可适当加以降低，就异常频谱而言，可设置为存储，所采集数据绝不可局限于某一监测台，而应充分采集多个监测站的数据，提高监测精度。

(二)建立标准化模型，提高数据处理的智能化

就广播电视监测体系，从数据的采集，到预处理，随后过滤、排列、类型划分中，均需要建立在一个标准化、专业化的模型基础上，如此方可实现摘要数据的自动化生成、关键词的智能化提取、管理信息的科学化分类、对应模型的规范化构建。通过标准化模型的建立，构建一个“枝繁叶茂”的监测数据树，此时，利用大数据技术展开智能化分析，可以高效地帮助用户实现有效原数据的智能化提取。建立标准化模型的过程中，还需提供手动数据情报记录功能，这样一旦数据处理中出现难点，可以具体情况为依据，就其加以删除、修改等。

(三)依托数据监测平台，及时响应异态信息

待信息采集、处理结束后，便需要对信息展开科学分析，这是核心环节，直接关乎所获信息结果的质量。因此，可结合监测体系的数据导航功能，提供对应的数据服务，对监测报表、数据统计表等分别加以规范，及时找出异态数据的生成规律。一旦存在与异态信息相一致的数据，必须立即通知用户进行查询，必要时发出对应的预警信息，以便及时发挥监测的功效。此外，通过科学地分析监测数据，以具体情况为依据，在对应信息的支持下，随时对生成的监测数据导航树进行定义与管理，逐步完善之，使其更加满足广播电视监测体系的要求，更好地发掘各监测信息间的不同逻辑关系。

(四)大数据应用中所需注意的事项

就广播电视监测体系而言，大数据技术应用中应注意如下问题：

1.数据并非越多越好。就广播电视监测工作中，无需将所有数据全部加以采集，若所获数据过多，反而会导致存储资源占用量增大，数据分析过于复杂，监测工作效率大减，若所采集的数据量过于庞大，还需对应的高效数据分析处理系统与之对应。对于大数据技术而言，在应用前期，还需结合监测业务的要求，对有效的数据模型加以开发，解决对应的问题还需强大的数据采集功能，减少不必要庞杂信息，逐步改善之，提升广播电视监测体系的业务处理功能。

2.对信息潜价值进行充分挖掘。就大数据技术而言，其应用中还应注重监测信息潜价值的深度挖掘，实现数据的二次利用。某些数据也许当时无意义，并不代表以后再无价值。还需转变传统思维模式，从冗杂的日志中对数据信息进行整理，绘制相应的莫里航海图，从看似无用的数据中进行信息提取，转变为有用的价值。就数据而言，其多次使用所得结论不一定相同，以ЕPG数据为例，就单一频道的ЕPG数据而言，可依据时间纵向加以处理和分析，对频道节目的结构加以明晰；还可就全国有线电视ЕPG数据加以横向对比，了解哪些节目具有较高的重播率，更获受众青睐；还可就节目加以归类分析，明确节目是否有娱乐化发展趋势。

3.切忌过分夸大大数据技术的功用。虽然，大数据技术应用优势显著，但也绝不能过分迷信之，认为其能够揭示所有问题。对于大数据技术而言，其基础为统计学、数学、计算机科学等，其为混合架构，并非万能架构，传统数据结构也具有其优点，其精确的数据具有指向性的含义，可直接提取明确的信息。以电视异态信息为例，传统数据结构可迅速处理该类信息，利用匹配获取对应策略，推演出相应结论。而大数据更适用于庞杂的模糊性数据，如对业务网页点击情况进行监测等，通过模糊数据的分析，明确业务的操作流程，将网页点击率转变为极具价值的信息，再利用庞大的数据对比，实现资源的优化配置，提高监测效率。因此，还需结合具体情况，选择最佳数据处理模式。

一言以蔽之，大数据技术的应用已趋于普及化，其在广播电视监测中的应用，有助于快速从冗杂数据中提取所需监测内容，锁定违法违规的异态信息，便于责任追究，促进广播电视环境的规范性、有序性，促进广播电视行业的健康、持续发展。