面向新媒体业务的视频智能标签探索实践.pdf

新媒体新业务

NEWMEDIABUSINESS

面向新媒体业务的

视频智能标签探索实践

●作者 央视网 赵磊 朱立松 张勇

内容细分为新闻事件片段，再针对片段进行编目，称

摘要

为精切编目。

本文阐述了央视网如何利用人工智能新技术应实现这两级编目需要投入大量的人力。详细编目

对新媒体业务快速发展带来的挑战。详述了采最大的用处是方便后续的检索。然而如此大量的投入

用语音识别、视频图像识别、光学文字识别、实际上仍然不能满足视频检索的需要。人工编目劳动

自然语言处理等人工智能技术将海量视频进行密集，效率低，提供的标签数量有限。例如想要检索

结构化的具体方法。还介绍了两种在系统中应视频库中姚明扣篮的镜头，就会发现人工编目的信息

用的深度神经网络关键技术，并举例说明如何根本达不到这种精细度，无法为检索提供有效帮助。

应用在实体标签、地标标签抽取和语义检索的人工编目无法有效描述视频内容的动态画像，无法服

实际业务中。务于互联网业务的推荐与发布。基于人工编目的检索

效率较低，方法单一，基本上只能依照编目内容进行

精确检索，缺乏模糊检索的能力，缺乏对检索意图的

关键词理解，没有对数据进行关联分析和语义分析。媒资信

新媒体人工智能图像识别息系统管理的视频资源越来越多，成本越来越高，却

自然语言处理智能标签智能生产无法很好地服务于敏捷生产、智能推荐和内容运营。

有挑战就有机遇，人工智能技术的发展带来了新

的机遇。图形处理器（GPU）的应用提供了新的强

大计算能力，降低了算力成本；机器学习领域的创新

一新媒体业务给传统编目带来的发展，特别是在深度学习算法上的突破大幅度提高了

挑战与智能化机遇计算机在语音识别、图像识别、人脸识别、场景识别

等若干领域的性能。人工智能的若干技术趋向成熟，

随着新媒体业务视频数据量的爆发式增长，传具备了服务于规模化视频标签生产的能力。

统的媒资管理系统面临着巨大的压力。央视网早在

2011年就承建了国家网络视频数据库（国网库），二采用人工智能技术对海量视频

主要收录央视和卫视的电视节目，每天新增约1000进行结构化的具体方法

小时的视频，已累计收录近200万小时的视频，存储

容量达到约4PB。如此海量的视频资源，而且新增迅只有将海量的非结构化的视频数据转换为结构化

猛，如何才能把这些资源有效地利用起来是一个亟待的数据才能有效发掘媒体资源的价值。这种转换必须

解决的问题。传统媒资系统采用的主要解决办法是利