基于人工智能的新闻大数据传播特征及挖掘系统设计

王敏静，王党利，赵美枝

（1.西安翻译学院，西安 710105；2.河北科技工程职业技术大学，邢台 054035）

0 引言

新媒体的快速发展为新闻的传播提供了较好的传输条件，新闻在狭义角度的定义是通过简要的语言描述具有实时性事件的一种文体，新闻大数据传播的目的是将国内外发生的某些事件被大众所了解，新闻大数据传播的效率与新闻传播途径和传播特征有关。

新闻大数据的传输效率与社会的发展速度存在关系，随着社会科技的进步，新闻大数据传播的途径、模式、载体格式、呈现方式都发生了巨大的改变。新闻大数据的传播特征主要分为新闻表现形式、文体的叙述方式、大数据的状态特征三部分，对于不同的新闻大数据信息，所对应最佳的大数据传播特征是不相同的，只有数据与传播特征相互匹配，才可以提高新闻的传输效果。

为此，为了提高新闻大数据传播的效率，本文引入人工智能技术，设计新闻大数据传播特征及挖掘系统。最后利用对比试验测试，实验证明基于人工智能的新闻大数据传播特征及挖掘系统的性能，达到本文系统设计的目的[1]。本文分别重新设计新闻大数据传播特征及挖掘系统的硬件区域和软件区域的组件，提高系统的性能，提高新闻大数据传播特征的挖掘准确度。

1 基于人工智能的新闻大数据传播特征及挖掘系统硬件设计

本文设计的基于人工智能的新闻大数据传播特征及挖掘系统硬件结构如图1所示。

图1 基于人工智能的新闻大数据传播特征及挖掘系统硬件结构

1.1 数据采集器

数据的真实性是新闻大数据传播特征的提取以及数据挖掘操作成功的基础，本文设计系统硬件区域数据采集器一方面可以保证新闻数据的完整性，另一方面器件可以校验新闻数据的真实性[2]。为了达到以上要求，本文采用GJ-HD数据采集器，此数据采集器内部数据信息传输的通道类型为单端16路，对于不同类型的文本新闻大数据，采用的工作频率不同，最高振幅可以达到40M。为了提高数据采集器的适配性，采用RAM和FIFO两种类型的数据缓冲磁盘，磁盘的运行速度快，并具有较高的保密性。

GJ-HD数据采集器结构如图2所示。

图2 GJ-HD数据采集器结构

观察图2可知，GJ-HD数据采集器的工作电压为220V，内置电池容量为5000mV，具有12位的数据分辨率，采用GK增益集卡，实现需要挖掘新闻大数据信息的全部转换。数据采集器的实际内存为64G，并设计200G的虚拟硬盘，在系统中校验的采集速率为 640kB/s。

1.2 数据分析器

本文系统设计的核心是完成新闻大数据传播特的提取和数据特征的挖掘，数据分析器必不可少，此器件的工作任务是将新闻大数据包内的所有数据进行分析，分析出新闻大数据的核心思想、价值观、关键词等其他信息点，为新闻大数据传播特征的挖掘奠定数据基础。根据以上数据分析器需要完成的工作，本文选择i9系列的数据分析器，此器件的运行空间为128G，根据运行需求，还设置了4个移动空间外接接口，以备不时之需。

数据分析器结构如图3所示。

图3 数据分析器结构

观察图3可知，器件的分析速率可以达到650KB/s，数据分析器采用USB3.0接口协议，稳定数据的向外输出稳定性。器件的lan通道数为1，CAN的通道数为2位，支持candf运行技术，仪器对于大数据文本的输出速率为10000帧每秒，保证仪器的工作效率。数据分析仪的工作电压为12V，工作电流为5A，为了排除其他器件信号的干扰，器件的外壳整体采用塑料材质。数据分析仪最大的优势是，可以根据实际工作环境，电压可由12V转为5V。数据分析仪输出的任何数据分析结果都会进行Lan格式的加密，以便出现数据泄露，造成不必要的麻烦。

1.3 中央控制器

中央控制器是系统硬件区域运行的重要器件，主要的工作是驱动系统内所有的器件，另外控制各个器件的运行状态，一旦系统出现异常状态，中央处理器立刻进行内部分析，快速找到故障点，完成问题控制与解决。中央控制器位于系统硬件区域的核心位置，与周围相连接器件的连接方式为交互连接，实际上中央控制器需要与系统内部所有器件进行连接，因为工程量大，中央控制器与重要器件连接，通过间接的方式实现全部连接。中央控制器电路图如图4所示。

图4 中央控制器电路图

中央控制器内部采用MP/MC和DCNF互相集成的接口，器件输出的所有指令都是64位数据条，器件以信号波分析的形式实现控制功能，为了提高系统的运行效率以及故障修复率，中央控制器也需要接收其他器件的信息读写请求。中央控制器的有效工作电压为3V～6V，控制器内部集成了转换电路和控制电路，由静态的Flash控制，避免电路内部信息的自动篡改，简化电路连接复杂度，提高运行效率。

1.4 传感器设计

传感器在本文设计的基于人工智能技术的新闻大数据传播特征及挖掘系统硬件区域的作用是连通系统内部所有器件的发送信号，完成数据传播特征的集成，在硬件区域进行执行。传感器的灵敏度为68D，最大输出帧率为35Hz，传感器的外接接口类型为Lan接口、USB接口、3IO接口以及RS232接口，保证传感器的应用范围。传感器内部电路图如图5所示。

图5 传感器内部电路图

另外传感器内部结构为全固态结构，可以降低外界的干扰波，提高传感器的传输效率。传感器支持N/S双级转换检测，并且运行协议为CAN2.0通信协议，器件最大消耗电流参数为80ma，响应启动速度为5ms，使用的有效环境温度区间为-40℃～+40℃，输出阻抗小于500，可以降低传感器输出的负载数据，提高运行速率，保护系统内电池的健康[3]。传感器的介质强度小于100uA，器件的独立线性度为0.05%，降低新闻大数据传播的误码率。

2 基于人工智能的新闻大数据传播特征及挖掘系统软件设计

人工智能技术是用于模拟、扩展人类行为的技术，被广泛地应用于多个领域，人工智能技术的本质是通过集成各种器件，赋予它有关人的思想行为，使技术可以在脱离人类的时候做出与人类似的反应。人工智能技术对于本文研究的新闻大数据传播特征及挖掘系统来说，一方面提高系统的运行速度和数据特征的挖掘深度，另一方面考虑到新闻大数据的特殊性，本文在人工智能技术的基础上，进一步分析人工智能网络传输协议，保证新闻大数据传播的保密性。

人工智能技术的网络传输协议具备正常的网络通信协议的功能，与其不同的是人工智能技术的网络传输协议转发过的文件都进行加密处理，并且协议与人工智能技术数据相连接，提高人工智能技术的调用速度的基础上，为新闻大数据传播特征的挖掘提供运行条件。基于人工智能技术的网络传输协议的本质是网络蓝本，将传统的网络协议进行二维处理，激活人工智能协议的对接属性。网络协议的二维处理方法是利用离散傅里叶规则算法，根据需要处理的新闻大数据传播特征信号接入系统的数据分析其中，将系统数据载波和随机码相互同步，此时网络通信协议的频域会发生波动，波动幅度与网络协议对接属性的切合函数如式(1)所示：

其中，n表示当前入网协议信号数据的测量关系指数；r表示当前数据信号可执行性定义域；ϑ为当前提取信息数据频域的测量关系值；x（r）表示信号控制端的数据序列；y（n）表示中控区信号接收序列；ρ表示网络协议属性激活过程中转码的阻隔值。

根据切合函数的约束，合理分配人工智能技术的网络传输协议。

以上对基于人工智能的新闻大数据传播特征及挖掘系统的内部结构进行分析，接下来系统具体的实现流程如图6所示。

图6 基于人工智能新闻大数据传播特征及挖掘系统流程

1）首先将系统初始化，系统的中心控制器驱动硬件区域所有的硬件设备，数据采集器采集需要挖掘的新闻大数据包，并且采集后对数据进行降噪处理，最终向数据分析器传输格式完成的数据向量集合；

2）数据分析器协同软件区域构建传播特征模型，提取出新闻大数据传播的特征和新闻大数据的传播导向，将此类信息最后汇总为一个数据包，存储在系统数据库内；

3）最后将数据包发送到人工智能技术协议关联的各个数据节点中，进行新闻大数据传播特征关联计算，计算结果利用人工智能技术网络通信协议传到系统的中央控制器，实现新闻大数据传播特征的挖掘。

3 实验分析

通过以上的论述，完成了基于人工智能的新闻大数据传播特征及挖掘系统的设计，为了检验此系统是否具有数据特征挖掘功能，系统的运行参数是否达到要求，本文设计对比测试试验完成检验。测试选择基于数据分析的新闻大数据传播特征及挖掘系统和基于区块链技术的新闻大数据传播特征及挖掘系统作为传统的对照系统，共同完成测试，保证试验的公平性，避免试验结论出现偶然性。本次试验测试的检验原则是分析不同系统对于相同内容的新闻大数据特征的读取延迟以及关键词挖掘的准确度参数，得出试验结果。测试在开始前准备三份5000字的新闻大数据包，在试验开始时，在三份预备文本中选择一个作为本次试验的试验样本。试验测试需要准备计算机和数据分析器，选择同一时间开始试验，等待三个系统全部输出系统得出的文档结果，试验测试[4]。工作人员将计算机内部的数据信息进行整理，分析试验数据，得出试验结论。

按照本文设计的对比试验测试流程，整合试验数据后，得到以下试验数据结论：

表1 挖掘时间实验结果

挖掘准确率实验结果如图7所示。

图7 挖掘准确率实验结果

1）三种系统最先提交测试结果的是基于区块链技术的新闻大数据传播特征及挖掘系统；最后提交运行结果的是基于数据分析的新闻大数据传播特征及挖掘 系统；

2）经过专业的数据传播延迟检验仪器得到本文设计的系统和基于区块链技术的新闻大数据传播特征及挖掘系统不存在特征区域延误，另一个系统在大数据传播特征输出时存在延迟；

3）本文设计系统得出测试新闻大数据传播特征关键字与真实的特征关键词的词义基本相同，但是其他一个特征关键词的表达文本不同；基于数据分析的新闻大数据传播特征及挖掘系统得到测试样本的传播特征关键词匹配度为93%，出现一个完全不正确的特征，并且其他传播特征基本相同[5]。基于数据分析的新闻大数据传播特征及挖掘系统输出的特征关键词匹配度为96.5%，其他数据传播特征基本相同。

通过对比三个试验测试结论，可以了解本文设计的基于人工智能的新闻大数据传播特征及挖掘系统不存在数据特征读取延迟，并且新闻大数据的特征关键点的挖掘结果与正确特征的匹配度高达98%，所以，可以证明基于人工智能的新闻大数据传播特征及挖掘系统的实际性能达到要求，可以进行应用。

4 结语

本文在基于人工智能的新闻大数据传播特征及挖掘系统硬件区域设计了数据采集器、数据分析器、中央控制器以及传感器，每个器件的性能都是最高配置，以便实现系统软件区域功能的调用。在系统的软件区域不仅根据新闻大数据传播特征及挖掘的需求，植入了人工智能技术，并且重新构建了人工智能网络运行协议，提高系统的运行效率。最后完成基于人工智能技术的新闻大数据传播特征及挖掘系统的设计，相信通过本文的设计，可以为新闻传播模式制定的过程中给予正确的新闻导向，提高新闻的传播效率。