大数据对于广电行业发展影响.docVIP

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
大数据对于广电行业发展影响

大数据对于广电行业发展影响   摘 要 从大数据的概念及广电行业的实际情况出发,从媒体监控、信息扩散及效率提升三个主要方面着手展开阐述,分析大数据对于广电行业发展的深刻影响,希望对于加深该领域的认识有一定的积极价值。   关键词 大数据;广电;发展   中图分类号 G2 文献标识码 A 文章编号 2096-0360(2018)02-0057-02   2008年9月4日,《自然》刊出名为“Big Data”的文章,这是大数据概念的首次提出。在这之后,海量的数据特征开始得到了人们的重视,并且随之而来的相关数据分析技术也逐步进入应用领域。从国家的角度看,2012年3月29日,奥巴马政府公布了“大数据研发计划”,投资超2亿美元以改进从海量和复杂的数据中获取知识的能力。并且同一天,我国科技部发布了“‘十二五’国家科技计划信息技术领域2013年度备选项目征集指南”,期中将大数据的研究同样列为首要任务。这两个研究计划的公布,可以说将大数据,以及其技术的应用推向了一个新的高潮。   虽然迄今为止大数据的概念并未得到统一,但是其内涵基本趋同,都是对于信息时代之下海量数据环境的描述和概括。而与之对应的数据处理技术,则被称为大数据技术,成为各行各业应对大数据环境所必然采取的重要技术手段。   对于广电行业而言,本身就存在海量数据的特征,并且这种特征在信息技术不断发展的整体背景之下得到了进一步的强调。2014年7月,国家新闻出版广电总局科技司发布了“基于大数据的网络广播电视台用户行为分析及推荐方法研究”项目,由广播科学研究院带头,其他多个电视台共同参与,展开了基于网络环境的广电收视状况大数据研究,除此以外,新疆广电网络也确立了“天山云大数据指南针研究室”,广东广电网络公司则在东莞投资建设了“广东广电大数据产业中心”。如此一系列举措,都将广电行业发展的矛头直接指向大数据,由此可见,大数据已经成为广电领域未来发展的必然。   从大数据对于广电行业发展的影响角度看,有三个方面是必须予以重视的,这种重视来源于趋势和技术发展的使然,是一种必然的结果。   1 媒体行为和内容的监控   大数据环境之下,对于媒体内容的监控,比以往更为容易,但是其责任也更加艰巨。从纸媒过渡到数字媒体,让媒体的监控时间大大缩短,甚至于实时监控已经在技术角度成为可能。但是与此同时网络和信息技术的交叉作用,使得自媒体开始兴盛,媒体内容的监控?_始不仅仅局限于固定的广电行业环境中。这种扁平化的媒体特征让实时监控的难度大幅度增加,并且这种监控的复杂性,还进一步受到当前大数据整体环境特征的影响,流媒体本身的出现,导致大数据技术无法有效深入到流媒体体系内部去通过每一个画面帧和音频展开识别。与之对应地,海量数据必然带来了对应技术的发展,大数据技术因此在广电领域呈现出较其他领域更为快速的发展状态。就目前的情况看,一个相对完整的,面向广电领域工作框架的媒体监控体系结构,参见图1。   面向媒体环境的监控,从根本上看,与管理体系是保持高度一致的。只有实现有效的信息获取与记录管理,才是实现监控的根基所在。从下而上,数据采集层需要实现数据的采集,并且对异构数据进行预处理,包括数据归并和验证等基本操作,为高层的数据分析提供标准化的高速数据供给。而Hadoop数据平台则用于实现对数据的有序化存储,通常包括两个计算流框架,即实时和离线。通常来说,离线框架多基于MapReduce架构,通过对工作流的数据进行切分来进行分布式计算的任务分配;而实时框架则多基于Spark/Storm架构,通过内存读取和存储来支持计算任务实时性要求。数据分析层位于Hadoop层面之上,是基于大数据的媒体监控核心所在,主要职责在于依据具体需求实现对于数据的深入分析,设计中间表以及结果表数据,并且将结果传输给数据展现层。除此以外,这一个层面还必须接受用户的自定义分析,依据不同领域的数据特征展开深入考察。这一层面的工作,在很大程度上依赖于数据采集层为数据添加的标签,借以提升整体工作效率。动态的关联分析、回归分析以及模型配置等方法,都是这一层用于实现其职能的手段,并且随着大数据相关技术的成熟,神经网络和人工智能等技术,也会逐步引入。   2 媒体内容的扩散   相对于第一个发展方向,媒体内容的扩散在大数据技术的影响之下并不显著,甚至于常常会被人忽视。其被忽略的原因很简单,就是因为当前这个网络日渐发达的环境,促成了众多的自媒体,随之而来的信息爆炸,让本身无法处理太多信息的人脑不堪负荷,自动选择对于信息的过滤。既然信息已经处于过度饱和的状态,那么进一步的扩散自然就不会被重视,这种态度可以说成为了当前整个社会对于媒体的一种必然态度。   然而实际对于广电行业而言,媒体内容的扩散,仍然是需要重点关注的问题。这个问题并未因为自

文档评论(0)

130****9768 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档