時(shí)政名人姓名檢測(cè)系統(tǒng)的設(shè)計(jì)及其在字幕制作中的應(yīng)用

□李海彬

一、引 言

電視時(shí)政新聞的采訪對(duì)象主要是國(guó)內(nèi)外的一些時(shí)政名人，為他們出字幕人名條是字幕員的日常工作之一。這個(gè)工作看似簡(jiǎn)單，然而卻是最容易犯錯(cuò)誤的地方，特別在大型會(huì)議的電視直播過(guò)程中，由于值班時(shí)間長(zhǎng)、制作任務(wù)重等客觀原因，加上心情緊張等主觀因素，會(huì)增加人名字幕出錯(cuò)的概率，從而造成播出安全事故。

如何將此類錯(cuò)誤發(fā)生的概率降低呢？我們認(rèn)為應(yīng)該通過(guò)技術(shù)的手段去解決，而不僅僅只通過(guò)人工校對(duì)審核的方式，在本文中將介紹自主研發(fā)的一個(gè)時(shí)政名人姓名檢測(cè)系統(tǒng)。

二、立項(xiàng)背景

我臺(tái)新聞?lì)l道在某次電視直播中，將某位領(lǐng)導(dǎo)的字幕人名條錯(cuò)打?yàn)槟趁餍堑拿?，結(jié)果造成了播出事故。事后經(jīng)分析發(fā)現(xiàn)，前線記者在文稿系統(tǒng)中錄入稿件時(shí)使用的是拼音輸入法，由于兩個(gè)名字的拼音相近而造成原稿存在錯(cuò)誤，而字幕員將文稿串編單里的新聞標(biāo)題復(fù)制到字幕機(jī)軟件制作人名條時(shí)，因?yàn)闄z查上的疏忽而造成了本次事故。

這個(gè)教訓(xùn)是深刻的，為了在今后的工作中減少此類事件的發(fā)生，頻道領(lǐng)導(dǎo)認(rèn)為需要建立時(shí)政名人姓名檢測(cè)系統(tǒng)，并根據(jù)字幕員的工作習(xí)慣，要求將此功能集成到新聞文稿系統(tǒng)中。

三、檢錯(cuò)算法的難點(diǎn)

初步的思路是建立一個(gè)時(shí)政人名庫(kù)，將國(guó)家和省內(nèi)主要領(lǐng)導(dǎo)的名字，以及一些外國(guó)國(guó)家首腦的中文譯名錄入庫(kù)中，檢錯(cuò)系統(tǒng)以此為標(biāo)準(zhǔn)進(jìn)行字符串匹配，將打錯(cuò)的名字標(biāo)注出來(lái)。

假設(shè)某位時(shí)政名人的名字為“張小軍”，當(dāng)天有一條關(guān)于他的新聞如“張小軍到北海調(diào)研”，結(jié)果名字中“軍”錯(cuò)打成“君”，此時(shí)系統(tǒng)可以用彩色字體明顯地標(biāo)注出錯(cuò)之處，如“張小君（紅字顯示）到北海調(diào)研”。

檢錯(cuò)算法的原理是將人名庫(kù)里的名字與新聞標(biāo)題里的內(nèi)容進(jìn)行逐字匹配，從而找出可能錯(cuò)誤的名字，如果要完成如上的檢測(cè)，算法的一般流程如下：

1.將姓名逐字分拆為“張”“小”“軍”三個(gè)字；

2.先查找“張”字的位置，在找到后檢測(cè)其后的字符是否為“小”及“軍”，從而找到錯(cuò)誤的位置；

3.如果“張”字沒有找到，就從“小”字開始查找，找到后檢測(cè)其后字符是否為“軍”字，如果姓氏出錯(cuò)了，則報(bào)錯(cuò)。

在姓名由3個(gè)文字組成的情況下，這種算法可以檢測(cè)出1個(gè)文字的錯(cuò)誤，如“章小軍”“張曉軍”等，而如果出現(xiàn)2個(gè)以上的文字錯(cuò)誤就無(wú)法判斷對(duì)錯(cuò)了。對(duì)于因拼音輸入法的問題造成兩個(gè)名字的中文漢字完全不同時(shí)，根本就沒有辦法檢錯(cuò)。

另外，這種算法存在一個(gè)重要的漏洞，即當(dāng)新聞標(biāo)題中未包含人名時(shí)，則檢測(cè)的結(jié)果也可能會(huì)出錯(cuò)。例如新聞標(biāo)題“我區(qū)邊防某部隊(duì)參加國(guó)慶60周年大閱兵”，標(biāo)題中并未包含人名，但假如人名庫(kù)中存在“李國(guó)慶”這樣的名字，此時(shí)就會(huì)產(chǎn)生錯(cuò)誤的檢測(cè)了。人名庫(kù)記錄的人名數(shù)量越多，檢測(cè)錯(cuò)誤的概率就會(huì)越高。

因此，在現(xiàn)有的技術(shù)條件下，要完成上面所說(shuō)的姓名檢錯(cuò)基本不可能。

四、設(shè)計(jì)思路

既然無(wú)法完成“姓名檢錯(cuò)”，那就做一個(gè)“姓名檢對(duì)”功能，即通過(guò)人名庫(kù)里的名字，與新聞標(biāo)題進(jìn)行字符串匹配，如果匹配成功則表示名字錄入正確，將正確的名字采用不同的顏色標(biāo)注出來(lái)，使字幕員可以一眼分辨出錯(cuò)對(duì)。

假設(shè)人名庫(kù)中記錄了這些名字：張福明、劉正軍、馬峰、何洪海。將這些名字與某天的新聞串編單標(biāo)題進(jìn)行逐一匹配，其結(jié)果應(yīng)該如表1所示。

表1　新聞串編單

其中第1～3條匹配成功了；第4條將“何洪?！贝蝈e(cuò)成了“何紅?！保ヅ涫。坏?～6條新聞標(biāo)題中沒有人名庫(kù)中的名字，匹配失敗。

實(shí)現(xiàn)這種檢測(cè)的軟件算法就簡(jiǎn)單多了：將人名庫(kù)中的名字分別與新聞串編單的新聞標(biāo)題逐一進(jìn)行匹配，假設(shè)人名庫(kù)中的人名數(shù)量為N，新聞條目為M，需要進(jìn)行N×M次檢測(cè)即可得到全部檢測(cè)結(jié)果。

圖1　人名檢測(cè)算法

那這種算法的實(shí)際檢測(cè)速度如何呢？該系統(tǒng)預(yù)計(jì)人名庫(kù)的人名數(shù)量小于200，新聞串編單條目小于100，新聞標(biāo)題的平均字符數(shù)小于100字節(jié)。則最多需要檢測(cè)200×100=20000次，遍歷字符串總長(zhǎng)度為2MB字節(jié)，經(jīng)測(cè)試其運(yùn)算所需時(shí)間非常少，可以忽略不計(jì)。

五、實(shí)現(xiàn)方法及效果

（一）建立人名庫(kù)

在文稿數(shù)據(jù)庫(kù)中增加一個(gè)數(shù)據(jù)表，表名為leader，字段如下：Names nchar(20)：存儲(chǔ)姓名

BkText ntext：存儲(chǔ)備注信息

增加人名庫(kù)編輯模塊，用于動(dòng)態(tài)更新信息，如圖2。

圖2　人名庫(kù)編輯管理模塊

（二）檢測(cè)及標(biāo)注方法

在完成檢測(cè)后，如何將錄入正確的人名區(qū)分出來(lái)呢？這里采用HTML網(wǎng)頁(yè)封裝方式。即將檢測(cè)結(jié)果輸出為HTML文件，對(duì)于匹配成功的名字使用紅色字顯示，而其他內(nèi)容使用黑色字顯示。

HTML又稱為超文本標(biāo)記語(yǔ)言，其結(jié)構(gòu)包括“頭”部分和“主體”部分，通過(guò)標(biāo)記符號(hào)來(lái)標(biāo)記要顯示的網(wǎng)頁(yè)中的各個(gè)部分，其源程序?yàn)槲谋疚募恍枰幾g執(zhí)行，瀏覽器按順序閱讀HTML文件內(nèi)容，然后根據(jù)標(biāo)記符解釋和顯示其標(biāo)記的內(nèi)容。

圖3　《廣西新聞》串編單模塊

由于涉及HTML結(jié)構(gòu)的輸出，因此在算法步驟上做了一些改動(dòng)，首先是將串編單里的全部新聞標(biāo)題進(jìn)行HTML結(jié)構(gòu)封裝，合成為一個(gè)長(zhǎng)的字符串，之后再進(jìn)行人名匹配和標(biāo)注。在文稿串編單模塊增加一個(gè)功能按鈕，如圖3。

點(diǎn)擊“人名檢測(cè)”功能按鈕，檢測(cè)功能將按以下步驟工作：

1.在內(nèi)存中創(chuàng)建一個(gè)最基本的HTML文件頭部結(jié)構(gòu)和表格結(jié)構(gòu)：

2.將每條稿件的序號(hào)、新聞標(biāo)題用

3.加入表格及HTML文件的尾部結(jié)構(gòu)：

4.循環(huán)調(diào)取人名庫(kù)的每個(gè)名字，分別與內(nèi)存中的HTML格式字符串進(jìn)行匹配；

5.將匹配成功的名字進(jìn)行字符串替換，加上字體顏色標(biāo)簽：如“張福明”替換為“”；

6.將內(nèi)存中的HTML格式字符串輸出到文件，通過(guò)瀏覽器控件顯示。

執(zhí)行檢測(cè)的結(jié)果如圖4。從圖中可以看到，第3、4、9、10、11條新聞標(biāo)題中，成功檢測(cè)出人名庫(kù)里記錄的名字，并使用紅色字做了標(biāo)注；而第16條新聞標(biāo)題中雖然也出現(xiàn)了一個(gè)人名“唐宇濤”，但由于這個(gè)名字沒有錄入到人名庫(kù)中，因此沒有標(biāo)注出來(lái)。

圖4　人名檢測(cè)結(jié)果

通過(guò)圖4的檢測(cè)結(jié)果，字幕員很容易區(qū)分哪些新聞標(biāo)題中時(shí)政名人的姓名是正確的，對(duì)于沒有提示的新聞標(biāo)題，重點(diǎn)進(jìn)行檢查即可。在確認(rèn)無(wú)誤后，即可直接將網(wǎng)頁(yè)里的新聞標(biāo)題復(fù)制到字幕軟件中進(jìn)行制作。

六、結(jié)語(yǔ)

檢測(cè)系統(tǒng)雖然無(wú)法從根本上解決字幕人名條中錯(cuò)打時(shí)政名人名字的問題，但通過(guò)對(duì)匹配成功的人名進(jìn)行標(biāo)注提示，提高了字幕員人工校對(duì)的效率，也大大降低了字幕出錯(cuò)的概率。檢測(cè)系統(tǒng)在2017年10月初建成并投入使用，為2017年十九大、2018年廣西“兩會(huì)”和全國(guó)“兩會(huì)”等重要保障期的新聞安全播出做出了貢獻(xiàn)。