• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      面向突發(fā)事件的網(wǎng)絡(luò)輿情智能采集架構(gòu)

      2019-01-08 03:16:09劉潔唐娟娟
      電腦知識與技術(shù) 2019年33期
      關(guān)鍵詞:網(wǎng)絡(luò)輿情突發(fā)事件

      劉潔 唐娟娟

      摘要:隨著視頻采集、處理、傳榆技術(shù)的發(fā)展,視頻數(shù)據(jù)成為重要的數(shù)據(jù)源,利用智能化視頻分析技術(shù),準確獲取視頻內(nèi)容中突發(fā)事件的發(fā)生以及對突發(fā)事件進行行為分析,并實時上報到監(jiān)控中心,這樣可以縮短從突發(fā)事件發(fā)生到事件處理的時間,提高突發(fā)事件的應(yīng)急能力。本文主要針對這一迫切的行業(yè)需求,闡述了現(xiàn)有輿情及視頻智能分析數(shù)據(jù)技術(shù),并提出以視頻為數(shù)據(jù)源的面向突發(fā)事件的輿情信息智能采集架構(gòu)的探索。

      關(guān)鍵詞:突發(fā)事件;網(wǎng)絡(luò)輿情;視頻數(shù)據(jù);智能采集架構(gòu)

      中圖分類號:TP393 文獻標識碼:A

      文章編號:1009-3044(2019)33-0005-03

      1概述

      根據(jù)突發(fā)事件網(wǎng)絡(luò)輿情的定義,突發(fā)事件網(wǎng)絡(luò)輿情涉及范圍是多種社會群體構(gòu)成的公眾為受體,通常以互聯(lián)網(wǎng)為平臺,借助電子設(shè)備等相關(guān)輔助溝通工具,圍繞即將發(fā)生的或已發(fā)生的自然災(zāi)害、事故災(zāi)難、公共衛(wèi)生事件和社會安全事件等突發(fā)事件發(fā)布的含有多種情緒、態(tài)度和意見交錯的總和信息。突發(fā)事件網(wǎng)絡(luò)輿情是網(wǎng)絡(luò)輿情的一種特殊情況,因此,其具有一般網(wǎng)絡(luò)輿情所具有的內(nèi)容龐雜性、現(xiàn)實互動性、聚合擴散性和傳播跨界性等特點,此外,由于其突然性質(zhì)并受到突發(fā)事件的影響,還具有其特殊的一面,主要包括突發(fā)性、復(fù)雜性強、難以預(yù)測性、聚焦效應(yīng)明顯、公共議題轉(zhuǎn)換高等特征。為此,必須建立應(yīng)對突發(fā)事件網(wǎng)絡(luò)輿情的及時有效治理體制,及時有效地建立行政監(jiān)管應(yīng)急方案、實現(xiàn)媒體行業(yè)輿情引導(dǎo)自律、利用高科技技術(shù)提供輿情傳播的有力保障等多方面相結(jié)合的突發(fā)事件網(wǎng)絡(luò)輿情管理體制。

      隨著視頻采集、處理、傳輸技術(shù)的發(fā)展,視頻數(shù)據(jù)成了人們生活中占重要分量的數(shù)據(jù)源,比如,公共安全的視頻監(jiān)控系統(tǒng)、微視頻等,而以往輿情信息的采集多是從微博、網(wǎng)絡(luò)博客、貼吧、論壇中獲取受眾對輿情事件的反饋信息,但是隨著視頻數(shù)據(jù)量在整體數(shù)據(jù)結(jié)構(gòu)中的增加,在一些突發(fā)事件發(fā)生地,第一時間獲取事件發(fā)生的方式已經(jīng)從以微博和貼吧為主,轉(zhuǎn)變成以視頻數(shù)據(jù)獲取為主。因此以視頻數(shù)據(jù)為依托,利用智能化視頻分析技術(shù),準確獲取視頻信息,并實時上報到監(jiān)控中心,這樣可以縮短從突發(fā)事件發(fā)生到事件處理的時間,提高突發(fā)事件的應(yīng)急能力。本文主要針對這一需求,闡述了現(xiàn)有輿情及視頻智能分析數(shù)據(jù)技術(shù),并提出以視頻為數(shù)據(jù)源的面向突發(fā)事件的輿情信息智能采集架構(gòu)的探索。本文擬提出針對視頻數(shù)據(jù)分析的行為檢測信息采集系統(tǒng),利用該系統(tǒng)可以第一時間獲取事件發(fā)生的多維信息,根據(jù)行為庫的定義,判斷當天發(fā)生的突發(fā)事件是何種類型,影響程度,然后實時反饋到輿情管理中心,為輿情的良性發(fā)展提出了寶貴的技術(shù)支撐。

      2突發(fā)事件網(wǎng)絡(luò)輿情相關(guān)研究工作

      網(wǎng)絡(luò)輿情突發(fā)事件的預(yù)警機制是網(wǎng)絡(luò)輿情危機管理的重要組成部分之一。有學(xué)者提出一種基于觀點樹的網(wǎng)絡(luò)輿情危機預(yù)警方法,實現(xiàn)對網(wǎng)絡(luò)輿情中網(wǎng)民觀點極性、強度以及屬性的挖掘。通過構(gòu)建觀點樹,并根據(jù)用戶自定義預(yù)警閾值或預(yù)警指標,對網(wǎng)絡(luò)輿情危機事件進行預(yù)警。為了明確劃分網(wǎng)絡(luò)輿情預(yù)警等級,李弼程等人利用威脅估計技術(shù)對網(wǎng)絡(luò)輿情的威脅程度進行定量估計,做出網(wǎng)絡(luò)輿情的預(yù)警等級預(yù)報。其中,網(wǎng)絡(luò)輿情的預(yù)警等級被劃分為輕警情、中度警情、重警情和特重警情四個等級。此外,還有一些研究運用事件演變動力學(xué)建模、語義隸屬度模糊推理、直覺模糊推理等開展預(yù)警評估。

      有研究者基于多案例的突發(fā)事件分析了網(wǎng)絡(luò)輿情演化模式。葉瓊元等人采用系統(tǒng)動力學(xué)建模方法,分別從內(nèi)部因素、外部因素兩大影響網(wǎng)絡(luò)民意演化的主要方面進行分析,以突發(fā)事件民意熱度為指標,探討突發(fā)事件民意演化影響因素及其邏輯關(guān)系,并檢驗其中的關(guān)鍵性因素,同時考慮網(wǎng)民和政府間的博弈與關(guān)聯(lián)性。趙蓉英等人采用社會網(wǎng)絡(luò)分析方法,結(jié)合具有典型代表意義的突發(fā)事件案例,試圖挖掘與識別網(wǎng)絡(luò)輿情的關(guān)鍵節(jié)點,并解釋其內(nèi)在的結(jié)構(gòu)特征與演變規(guī)律。

      已有的研究在突發(fā)事件的網(wǎng)絡(luò)輿情監(jiān)測與預(yù)警方面已取得了相當?shù)某晒?,但針對突發(fā)事件中的視頻輿情的研究并不多見。在當今多源媒體時代,視頻信息中負載了大量的輿情符碼不容忽視。因此,本研究擬構(gòu)建基于視頻邊緣計算的輿情突發(fā)行為采集系統(tǒng)架構(gòu)。

      3智能化視頻處理在輿情分析中的應(yīng)用

      視頻數(shù)據(jù)是當前大數(shù)據(jù)時代數(shù)據(jù)領(lǐng)域的主要類型,視頻數(shù)據(jù)中包含了多種視頻數(shù)據(jù)信息,如何從視頻數(shù)據(jù)信息中獲取有關(guān)輿情信息是我們系統(tǒng)提到的關(guān)鍵所在。尤其是當前多元數(shù)據(jù)媒體,如自媒體、微信等盛行的時代,當視頻數(shù)據(jù)終端獲取到突然事件視頻時,期望能在第一時間將這些實時視頻數(shù)據(jù)進行分析,指導(dǎo)突發(fā)事件輿情的良性發(fā)展。

      本文主要針對包含人的行為類突發(fā)事件的視頻數(shù)據(jù),構(gòu)建了基于視頻邊緣計算的輿情突發(fā)行為采集系統(tǒng)架構(gòu),進行視頻數(shù)據(jù)內(nèi)容的人的行為特征的提取,然后根據(jù)行為數(shù)據(jù)庫,進行人體行為數(shù)據(jù)分析,然后將行為分析的結(jié)果發(fā)送到已經(jīng)設(shè)定好的行為數(shù)據(jù)庫,根據(jù)行為數(shù)據(jù)庫內(nèi)行為類型比對操作,然后將數(shù)據(jù)實時傳輸?shù)捷浨楣芾硐到y(tǒng),輿情管理系統(tǒng)可以根據(jù)真實的行為結(jié)果,對數(shù)據(jù)進行分析,在輿情傳播中起到合適的引導(dǎo)作用。在基于視頻數(shù)據(jù)的行為分析中,利用視頻終端采集設(shè)備(如,公路兩側(cè)監(jiān)控攝像頭和用戶手機端攝像頭),獲取視頻數(shù)據(jù),對視頻內(nèi)容進行分析,這對突然事件的跟蹤至關(guān)重要。如何能從視頻數(shù)據(jù)中及時分析,實時獲取行為圖像或數(shù)據(jù),并傳輸?shù)礁浇姆?wù)器,服務(wù)器對視頻行為內(nèi)容進行分析,然后得到分析結(jié)果。這些是本項目的關(guān)鍵,也是進一步突發(fā)事件(以行為特征)的輿情判別的基礎(chǔ)。我們分別從以下幾個方面來介紹本文所提出的系統(tǒng)。

      3.1系統(tǒng)架構(gòu)

      1)系統(tǒng)總體架構(gòu)

      本系統(tǒng)主要包括三大體系模塊:面向視頻處理的邊緣計算模塊、云計算模塊、輿情管理服務(wù)模塊。圖1描述了系統(tǒng)的總體架構(gòu)。面向視頻處理的邊緣計算模塊在本項目中即是智能終端設(shè)備本身,例如智能手機、智能攝像頭等,它承擔著人的行為檢測。云計算模塊主要是部署再云數(shù)據(jù)中心,完成計算需求最大的數(shù)據(jù)處理,負責部分人類行為檢測計算任務(wù)和其他系統(tǒng)的計算任務(wù)。輿情管理服務(wù)模塊是為方便輿情管理中心獲取視頻數(shù)據(jù)和及時響應(yīng)突發(fā)事件輿情而設(shè)計的。

      2)視頻邊緣計算模塊

      本項目采用云邊協(xié)同架構(gòu),會在智能終端如智能攝像頭處對視頻流進行預(yù)處理,獲取初步信息后,返回狀態(tài)值至云中心系統(tǒng)運維中心,之后系統(tǒng)運維中心將云中心視頻處理任務(wù)管理節(jié)點訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型,下放至邊緣單元處進行計算,邊緣計算單元返回計算結(jié)果。根據(jù)每個邊緣計算單元計算資源的不同,云中心系統(tǒng)運維中心會提供不同的神經(jīng)網(wǎng)絡(luò)模型。這既節(jié)省了視頻流的傳輸時間消耗問題,又可以靈活運用邊緣計算單元的計算資源。

      3)云計算模塊

      云計算模塊主要具備兩個功能:云中心視頻處理任務(wù)管理和云中心系統(tǒng)運維管理。

      ①云中心視頻處理任務(wù)管理節(jié)點,根據(jù)云中心運維管理節(jié)點提供的用戶要求訓(xùn)練相應(yīng)的模型,利用神經(jīng)網(wǎng)絡(luò)學(xué)習算法訓(xùn)練生成數(shù)據(jù)圖像模型,同時根據(jù)各邊緣節(jié)點的計算、存儲和傳輸能力判斷卸載的比例,實現(xiàn)對云中心數(shù)據(jù)圖像模型的最優(yōu)化分割,分割后的神經(jīng)網(wǎng)絡(luò)可以合理利用各個邊緣單元的計算資源,完成相應(yīng)的任務(wù)識別。最后由云中心系統(tǒng)運維管理中心將分割好的云數(shù)據(jù)圖像模型卸載到各個邊緣計算節(jié)點。

      ②云中心系統(tǒng)運維中心收集系統(tǒng)各個節(jié)點的狀態(tài)的信息,完成對整個系統(tǒng)節(jié)點狀態(tài)的管理,比如檢查節(jié)點是否在線,是否出現(xiàn)故障,實時監(jiān)控,維護系統(tǒng)的正常運作并將各個狀態(tài)存儲以便客戶端收集顯示。同時云中心系統(tǒng)運維管理節(jié)點負責獲取客戶端任務(wù)要求為云中心視頻處理任務(wù)管理節(jié)點提供模型訓(xùn)練依據(jù),收集邊緣計算單元計算資源信息為云中心視頻處理任務(wù)管理節(jié)點提供任務(wù)卸載依據(jù),起到將云中心及其他節(jié)點連接在一起的橋梁作用。

      4)輿情管理服務(wù)模塊

      管理服務(wù)模塊向輿情管理系統(tǒng)的管理人員提供與人類行為檢測與識別相關(guān)的客戶端應(yīng)用服務(wù),通過調(diào)用云計算中心智慧應(yīng)用層和應(yīng)用服務(wù)接口,實現(xiàn)視頻圖像的查詢和下載、人的行為檢測和可視化分析等客戶端應(yīng)用功能。輿情管理服務(wù)模塊是系統(tǒng)面向用戶的關(guān)鍵模塊,提供了用戶友好和功能豐富的客戶端應(yīng)用程序,是對整個系統(tǒng)的進一步完善。

      3.2關(guān)鍵技術(shù)

      基于視頻數(shù)據(jù)的突發(fā)輿情事件中行為判別系統(tǒng)的關(guān)鍵,在于對視頻數(shù)據(jù)中的行為進行判斷,核心的技術(shù)點是實現(xiàn)視頻數(shù)據(jù)中行為分析的判斷,具體而言,主要包括以下關(guān)鍵技術(shù)。

      1)基于深度學(xué)習的行為檢測技術(shù)

      隨著人工智能領(lǐng)域的快速發(fā)展,深度學(xué)習越來越多的引入到目標檢測領(lǐng)域中?;谏疃葘W(xué)習的目標檢測的發(fā)展方向大體上可以分為兩類:1)基于區(qū)域提名的R-CNN系列;2)無須區(qū)域提名的YOLO/SSD系列。第一種算法需要先生成一個可能含有目標物體的預(yù)選框,然后再進行物體檢測。第二種則直接在網(wǎng)絡(luò)中提取特征識別物體。本項目中將采用第一種算法來進行人體行為的檢測。

      原始的R-CNN算法檢測目標物體的主要思路是獲取圖片后,在圖片中提取若干個候選區(qū)域,再將這些區(qū)域分別輸入CNN(卷積神經(jīng)網(wǎng)絡(luò))網(wǎng)絡(luò),在CNN網(wǎng)絡(luò)中對每個區(qū)域抽取一個固定長度的特征向量,再通過向量機(SVN)來辨別目標物體以及位置。這種算法完成目標檢測的過程中需要三千模型,而且輸入到CNN網(wǎng)絡(luò)中的若干個候選區(qū)域中可能有物體,也可能沒有任何物體,這樣,就會使算法計算量大且效率低下。

      Faster R-CNN是R-CNN的優(yōu)化版本,它實現(xiàn)的主要過程為:

      ①將圖片輸入到CNN網(wǎng)絡(luò)中,生成該圖片的特征映射。

      ②將特征映射輸入到Region Proposal網(wǎng)絡(luò)(RPN),返回目標區(qū)域和相應(yīng)分數(shù)。

      ③通過Rol池化層,將所有目標區(qū)域修正為統(tǒng)一尺寸。

      ④將所有目標區(qū)域傳輸?shù)酵耆B接層,輸出相對應(yīng)的邊界框。

      與R-CNN需要三個模型不同,F(xiàn)aster R-CNN只需用一個模型就可以實現(xiàn)區(qū)域的特征提取和分類,大大提高了計算效率,減少了計算時間。在本項目中,為了能夠及時地對輿情進行控制并正確的引導(dǎo)輿情的發(fā)展方向,我們需要及時、迅速地獲取輿情事件中的人物行為,所以,我們會采用Faster R-CNN算法來進行人體的行為檢測。

      2)云計算與邊緣計算的協(xié)同合作技術(shù)

      按照云計算的特征,云計算模式是一種集中式數(shù)據(jù)處理的方式,利用網(wǎng)絡(luò)互聯(lián),可以根據(jù)用戶需求,實現(xiàn)多用戶之間的軟硬件共享。云計算系統(tǒng)主要由云中心平臺,云存儲系統(tǒng),云終端,以及云安全模塊。此外,對于云計算模式下的資源而言,云計算實現(xiàn)了一種資源的虛擬化,這樣資源在一定程度上可以分時被不同用戶共享,在一定調(diào)度策略的設(shè)計中,可以讓用戶覺得只有本身在用。而對于用戶本身,其又不需要關(guān)系云計算資源內(nèi)部的細節(jié),而僅僅是直接使用云計算所提供的服務(wù)。

      相比而言,邊緣計算就是在靠近數(shù)據(jù)源端的網(wǎng)絡(luò)邊緣側(cè),融合網(wǎng)絡(luò)、計算、存儲、應(yīng)用核心能力的一種新型計算模式。在數(shù)據(jù)源附近提供一種邊緣智能服務(wù),以實現(xiàn)快速連接、實時業(yè)務(wù)、數(shù)據(jù)優(yōu)化、安全與隱私保護等技術(shù)需求。邊緣計算系統(tǒng)主要由終端設(shè)備(如,移動手機)、邊緣設(shè)備(如,路由器、機頂盒、網(wǎng)橋等)、邊緣服務(wù)器等構(gòu)成,這些組件可以具有必要的性能,支持邊緣計算。

      邊緣計算著重解決實時、短周期數(shù)據(jù)的分析層面,邊緣計算能夠?qū)崟r實現(xiàn)本地化的數(shù)據(jù)智能化處理。在數(shù)據(jù)源端,邊緣計算能夠?qū)崿F(xiàn)數(shù)據(jù)的本地化數(shù)據(jù)處理,無須將數(shù)據(jù)上傳到云端,為此,減少數(shù)據(jù)從云端到本地傳輸?shù)臅r間和帶寬開銷。

      面對大規(guī)模視頻數(shù)據(jù)量,若都要在服務(wù)器端進行云計算處理,這會造成嚴重的時間延遲,無法實現(xiàn)將識別視頻信息實時反饋到用戶需求端。但是,無法在邊緣端處理龐大的視頻流信息,這主要是由于其資源受限特性,此外,邊緣端也不能滿足深度學(xué)習模型構(gòu)建對計算資源的需求。故采用云計算與邊緣計算協(xié)同的方法來實現(xiàn)基于視頻內(nèi)容的分析,既可以完成神經(jīng)網(wǎng)絡(luò)模型構(gòu)建的計算需求,又可實現(xiàn)輿情分析對實時性信息反饋的需求。

      視頻邊緣計算以及云計算所解決的關(guān)鍵問題有所不同,云計算主要解決具有全局性的數(shù)據(jù)負載類型,該類負載對實時要求不高,但是需要實現(xiàn)對大規(guī)模連續(xù)書的處理與分析,能夠在長周期維護、業(yè)務(wù)決策支撐等領(lǐng)域發(fā)揮優(yōu)勢。相比而言,邊緣計算更適用局部性、實時、短周期數(shù)據(jù)的處理與分析,能更好地支撐本地業(yè)務(wù)的實時智能化決策與執(zhí)行。

      3.3預(yù)期目標

      實現(xiàn)一種基于視頻邊緣計算的行為識別系統(tǒng),該系統(tǒng)通過視頻邊緣計算,對視頻數(shù)據(jù)中人的行為進行快速檢測和識別,根據(jù)真實的行為結(jié)果,對數(shù)據(jù)進行分析,提高輿情管理人員應(yīng)對輿情事件的速度,引導(dǎo)輿情事件的良性發(fā)展。

      由此可見,利用視頻數(shù)據(jù)獲取實時突發(fā)事件發(fā)生情況的機制,可以提供突發(fā)事件庫,當探測到突發(fā)事件發(fā)生,實時跟蹤突發(fā)事件的發(fā)展,并及時觸發(fā)報警功能。

      4未來展望

      隨著萬物互聯(lián)時代的到來,信息傳播和交互的途徑將越來越多,如何實時分析突發(fā)事件本身,并引導(dǎo)輿情向正向健康的方向發(fā)展,是未來突發(fā)事件輿情應(yīng)對的主要考慮的問題。本文僅從視頻分析的角度來分析突發(fā)事件輿情態(tài)勢,還缺乏對異構(gòu)多元數(shù)據(jù)的分析。例如,通過手機、監(jiān)控攝像頭、生物感知設(shè)備等都可以獲取突發(fā)事件中行為信息,為突發(fā)事件輿情的全面解析提供更強有力的支撐。這些設(shè)想將在后續(xù)的研究中逐步實現(xiàn)。

      猜你喜歡
      網(wǎng)絡(luò)輿情突發(fā)事件
      網(wǎng)絡(luò)輿情事件的引導(dǎo)策略分析
      數(shù)據(jù)挖掘技術(shù)在網(wǎng)絡(luò)輿情管理中的研究
      “互聯(lián)網(wǎng)+”背景下高校平安校園建設(shè)研究
      中國市場(2016年38期)2016-11-15 23:42:46
      淺析網(wǎng)絡(luò)輿情治理
      基于社會穩(wěn)定視角的網(wǎng)絡(luò)輿情預(yù)警機制構(gòu)建的思考
      今傳媒(2016年9期)2016-10-15 22:02:52
      突發(fā)事件網(wǎng)絡(luò)輿情的演化規(guī)律與監(jiān)控
      縣級電視臺如何做好突發(fā)事件的報道
      新聞傳播(2016年19期)2016-07-19 10:12:08
      突發(fā)事件的輿論引導(dǎo)
      清朝三起突發(fā)事件的處置
      文史春秋(2016年8期)2016-02-28 17:41:32
      突發(fā)事件
      小說月刊(2014年10期)2014-04-23 08:53:40
      景东| 哈尔滨市| 达拉特旗| 抚远县| 康定县| 木兰县| 紫阳县| 陆良县| 井陉县| 康乐县| 临夏市| 卫辉市| 太康县| 金湖县| 博白县| 驻马店市| 平谷区| 和静县| 万宁市| 长泰县| 益阳市| 临江市| 钟山县| 石台县| 佛坪县| 岳池县| 杨浦区| 包头市| 陵川县| 商丘市| 岑溪市| 金寨县| 鹿邑县| 会泽县| 千阳县| 雅江县| 柳河县| 定襄县| 余庆县| 渑池县| 怀仁县|