基于大數(shù)據(jù)的非物質(zhì)文化信息分析方法

蔣姍姍　梁建偉　邸臻煒

摘要：大數(shù)據(jù)環(huán)境中，非物質(zhì)文化的數(shù)據(jù)信息分析是以其信息建設(shè)、管理為前提?；诖?，提出基于大數(shù)據(jù)的非物質(zhì)文化信息分析方法。首先利用數(shù)據(jù)挖掘?qū)?shù)據(jù)信息進(jìn)行采集和加工，之后對(duì)其進(jìn)行清洗、信息關(guān)鍵特征提取以及數(shù)據(jù)信息建設(shè)，從而有效實(shí)現(xiàn)對(duì)非物質(zhì)文化信息的分析管理。實(shí)驗(yàn)結(jié)果表明，本文提出的基于大數(shù)據(jù)的非物質(zhì)文化信息分析方法，在非物質(zhì)文化信息測(cè)試中可以有效實(shí)現(xiàn)錯(cuò)誤信息文本的自動(dòng)分析，從而減少了人工分析錯(cuò)誤信息文本的工作量，且具備時(shí)間短，工作效率高的優(yōu)勢(shì)。

關(guān)鍵詞：大數(shù)據(jù);非物質(zhì)文化;信息分析

中圖分類(lèi)號(hào)：G350? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2021）04-0039-02

大數(shù)據(jù)作為數(shù)據(jù)在一種全新的處理模式下自動(dòng)生成龐大的、海量的、多樣化的信息資產(chǎn)的現(xiàn)代代名詞[1]。其最關(guān)鍵的技術(shù)變革就是促使人們能夠利用更多海量數(shù)據(jù)，而非對(duì)某個(gè)數(shù)據(jù)的隨機(jī)取樣;人們不再過(guò)分苛求數(shù)據(jù)信息之間的因果關(guān)系，而轉(zhuǎn)變?yōu)閷?duì)相關(guān)關(guān)系體系的重視[2]。非物質(zhì)文化在數(shù)據(jù)信息分析上的研究是非常及時(shí)和有必要的。通過(guò)信息的智能化手段，對(duì)非物質(zhì)文化的數(shù)據(jù)信息分析是在目前非物質(zhì)文化應(yīng)對(duì)嚴(yán)峻社會(huì)環(huán)境下生成的新方法、新手段。

1基于大數(shù)據(jù)的非物質(zhì)文化信息分析方法

1.1數(shù)據(jù)的采集與加工

大數(shù)據(jù)在信息獲取過(guò)程上具備一定難度和復(fù)雜，是由于現(xiàn)代社會(huì)中生成的龐大數(shù)據(jù)，雖然人們基本上是將其所需信息儲(chǔ)存在計(jì)算機(jī)網(wǎng)絡(luò)之中，然而其中也存在著很多和自身發(fā)展并無(wú)多大關(guān)聯(lián)的冗雜信息，使得信息變得更為復(fù)雜多樣。數(shù)據(jù)信息只有被實(shí)際應(yīng)用的前提下才可以完全發(fā)揮出其應(yīng)有的功能，使用者在計(jì)算機(jī)網(wǎng)絡(luò)上按照關(guān)鍵詞對(duì)信息進(jìn)行有用搜索，計(jì)算機(jī)對(duì)和關(guān)鍵詞有關(guān)的信息進(jìn)行仔細(xì)的篩選和整理，最終將搜索結(jié)果具體展現(xiàn)出來(lái)，使用者按照這些搜索結(jié)果最終確定信息內(nèi)容，這就是對(duì)信息的獲取和采集過(guò)程[3]。

加工過(guò)程：一般狀況下，假如使用者獲取到的數(shù)據(jù)信息較多，那么其就越需要利用計(jì)算機(jī)更為復(fù)雜多樣的程序來(lái)對(duì)檢索工具的準(zhǔn)確度和嚴(yán)謹(jǐn)性進(jìn)行提高，進(jìn)而提升使用者獲取信息的精準(zhǔn)性。計(jì)算機(jī)在為使用者加工信息的全過(guò)程中，為進(jìn)一步保證信息的準(zhǔn)確性，就需要對(duì)計(jì)算機(jī)的應(yīng)用狀態(tài)進(jìn)行實(shí)時(shí)監(jiān)管，過(guò)濾掉垃圾信息，從而實(shí)現(xiàn)對(duì)數(shù)據(jù)信息的重點(diǎn)加工[4]。在對(duì)信息數(shù)據(jù)進(jìn)行加工的時(shí)候，有必要利用計(jì)算機(jī)信息處理對(duì)使用者提供的信息關(guān)鍵點(diǎn)進(jìn)行精準(zhǔn)定位，并對(duì)數(shù)據(jù)庫(kù)信息進(jìn)行二次歸類(lèi)和整合，從而為客戶提供其所需的有效信息。加工環(huán)節(jié)中，將從CNKI導(dǎo)出我國(guó)非物質(zhì)文化一系列的研究數(shù)據(jù)，依次保存為Refworks格式、Endnote格式[5]。Refworks格式內(nèi)的數(shù)據(jù)可引入Cite space，借助轉(zhuǎn)換格式能夠生成有關(guān)作者、合作組織以及關(guān)鍵詞共現(xiàn)等加工而成的知識(shí)圖譜。Endnote格式內(nèi)的數(shù)據(jù)可引入SATI，借助轉(zhuǎn)換格式能夠就作者、機(jī)構(gòu)名稱(chēng)、關(guān)鍵詞分別建立Excel格式的共現(xiàn)矩陣，之后將共現(xiàn)矩陣導(dǎo)進(jìn)Ucinet從而生成**h文本格式，利用Netdraw選調(diào)能夠自動(dòng)加工生成實(shí)際可需的可視化圖譜。也可以利用Ucinet轉(zhuǎn)換成.net格式下的文本矩陣，導(dǎo)進(jìn)VOS viewer就能夠自動(dòng)加工生成實(shí)際可需的可視化圖譜。如此一來(lái)，在數(shù)據(jù)完成采集和加工的基礎(chǔ)上就可以為后續(xù)數(shù)據(jù)清洗提供便捷。

1.2數(shù)據(jù)清洗

數(shù)據(jù)清洗的目的就在于將原始文本數(shù)據(jù)中出現(xiàn)的不規(guī)范、格式重復(fù)、語(yǔ)義歧義、冗余數(shù)據(jù)以及信息指向不明確的數(shù)據(jù)完全排除。數(shù)據(jù)清洗一般會(huì)利用空值、差誤值、不完整數(shù)據(jù)、干擾數(shù)據(jù)類(lèi)型、異常數(shù)據(jù)等清洗方法。在以上手段的應(yīng)用基礎(chǔ)上，還利用了以下數(shù)據(jù)清洗法：第一，增加限定狀語(yǔ)，如“形容詞+名詞”等;第二，按照發(fā)布者的具體IP地址，排除非限定地區(qū)搜索出來(lái)的信息;第三，按照微博上顯示的前后時(shí)間關(guān)聯(lián)，排除掉一些延續(xù)性信息的微博;第四，按照發(fā)布內(nèi)容的有關(guān)性，排除和社會(huì)一般認(rèn)識(shí)無(wú)關(guān)的評(píng)論、新聞等;第五，排除非人群特征類(lèi)信息，譬如轉(zhuǎn)發(fā)的報(bào)紙、學(xué)報(bào)、期刊、官方新聞等。將所有數(shù)據(jù)清洗完畢后，獲取到的數(shù)據(jù)信息本身在格式、規(guī)范、語(yǔ)義以及指向性等方面是合格的，這在很大程度上可以為之后關(guān)鍵特征的提取減少阻力，降低操作環(huán)節(jié)的復(fù)雜性。

1.3提取信息關(guān)鍵特征

數(shù)據(jù)清洗后，將完成清洗的文本信息進(jìn)行掃描，將計(jì)算機(jī)網(wǎng)絡(luò)中出現(xiàn)的關(guān)鍵詞以詞頻的方式，作為對(duì)應(yīng)對(duì)象描述的主要內(nèi)容。另外，文本利用tf-idf權(quán)重來(lái)確定關(guān)鍵詞的重要性，衡量非物質(zhì)文化和一系列關(guān)鍵詞間的關(guān)系。tf-idf權(quán)重在基于大數(shù)據(jù)的基礎(chǔ)上在信息分析與管理等領(lǐng)域上已經(jīng)有了成功案例，分析手段已經(jīng)發(fā)展的比較成熟了。利用閾值設(shè)定和排序分列，篩選出權(quán)重比較高的關(guān)鍵詞。tf-idf值的計(jì)算公式表示為：

式中：[x]代表文檔[D]內(nèi)所有的關(guān)鍵詞;[tf（x）]代表某一提取關(guān)鍵特征值在文檔中出現(xiàn)的實(shí)際次數(shù);[idf（x）]代表某一提取特征值在整個(gè)文檔內(nèi)的分布狀況;[N]代表文檔[D]數(shù)據(jù)內(nèi)的文本數(shù)目，[D]代表某個(gè)非物質(zhì)文化信息的數(shù)據(jù)集合;[d∈D：x∈d]代表文檔[D]內(nèi)包括關(guān)鍵詞x在內(nèi)的所有文本總數(shù);[fx]代表關(guān)鍵詞出現(xiàn)的具體頻次;[Nd]代表關(guān)鍵詞出現(xiàn)的總數(shù)。

通過(guò)上列公式獲得tf-idf值來(lái)確定關(guān)鍵詞的重要程度后，就可以對(duì)后續(xù)數(shù)據(jù)信息的建設(shè)提供重要依據(jù)，從數(shù)據(jù)上增加非物質(zhì)文化信息分析的在關(guān)鍵詞上的準(zhǔn)確度。

1.4數(shù)據(jù)信息建設(shè)

在非物質(zhì)文化的數(shù)據(jù)信息建設(shè)上，首先要?jiǎng)?wù)就是將原始數(shù)據(jù)進(jìn)行細(xì)致分類(lèi)，構(gòu)建數(shù)據(jù)關(guān)系，以及對(duì)數(shù)據(jù)邏輯體系下的關(guān)鍵數(shù)據(jù)進(jìn)行分析。在上述操作環(huán)節(jié)完成的基礎(chǔ)之上，將在非物質(zhì)文化信息的前期調(diào)研中采集到的諸多海量的圖片、文字、視頻等信息加工在一起，因?yàn)槭艿郊夹g(shù)、采訪環(huán)境、以及偶然因素等限制，還沒(méi)有形成一個(gè)統(tǒng)一的標(biāo)準(zhǔn)化組織形態(tài)。從非物質(zhì)文化數(shù)據(jù)信息建設(shè)的立場(chǎng)上，利用技術(shù)標(biāo)準(zhǔn)的統(tǒng)一制定，對(duì)原始信息進(jìn)行標(biāo)準(zhǔn)化處理。對(duì)于龐大的非物質(zhì)文化信息資源，借助大數(shù)據(jù)技術(shù)，以數(shù)據(jù)統(tǒng)計(jì)學(xué)的手段，構(gòu)建數(shù)據(jù)之間的邏輯關(guān)系結(jié)構(gòu)，將會(huì)為非物質(zhì)文化的深入發(fā)展奠定一定研究基礎(chǔ)。非物質(zhì)文化信息資源在歸類(lèi)整理上也能夠根據(jù)研究屬性來(lái)劃定。而在屬性研究上，對(duì)其劃分的主要依據(jù)就是根據(jù)非物質(zhì)文化的信息門(mén)類(lèi)，以各個(gè)領(lǐng)域內(nèi)的具體內(nèi)容為標(biāo)準(zhǔn)進(jìn)行劃分。歸類(lèi)構(gòu)建數(shù)據(jù)庫(kù)時(shí)必須以非物質(zhì)文化為一級(jí)目錄，以目錄類(lèi)別為準(zhǔn)構(gòu)建二級(jí)目錄，比如民族舞蹈、民俗音樂(lè)、傳統(tǒng)曲藝、傳統(tǒng)手藝（如雜技、體育競(jìng)技等）、傳統(tǒng)美術(shù)、傳統(tǒng)醫(yī)藥等，以具體內(nèi)容構(gòu)建三級(jí)目錄。另外一方面，對(duì)非物質(zhì)文化信息資源來(lái)說(shuō)，還需要利用信息建設(shè)、使用者分析、傳播途徑等角度對(duì)其進(jìn)行進(jìn)一步的研究，研究?jī)?nèi)容視研究視角不同而有所區(qū)別。完成一系列分類(lèi)整理建設(shè)之后，我們就可以將信息分析交給元數(shù)據(jù)來(lái)實(shí)現(xiàn)。

1.5大數(shù)據(jù)信息分析

對(duì)于非物質(zhì)文化而言，對(duì)其元數(shù)據(jù)進(jìn)行設(shè)計(jì)前必須首先了解有關(guān)非物質(zhì)文化館藏資料的部分特殊屬性，并對(duì)這些特殊屬性進(jìn)行分析管理，不同類(lèi)別的非物質(zhì)文化遺產(chǎn)資料對(duì)應(yīng)的元數(shù)據(jù)信息類(lèi)型也各不相同，如此一來(lái)才可以實(shí)現(xiàn)對(duì)元數(shù)據(jù)的更好管理。非物質(zhì)文化信息元數(shù)據(jù)管理分析設(shè)計(jì)的主要目標(biāo)是為了便于對(duì)非物質(zhì)文化信息資料的元數(shù)據(jù)進(jìn)行精準(zhǔn)分析與管理。這部分工作主要有兩方面來(lái)完成，即元數(shù)據(jù)數(shù)據(jù)庫(kù)和功能設(shè)計(jì)。

元數(shù)據(jù)數(shù)據(jù)庫(kù)設(shè)計(jì)：首先需要制作一張?jiān)獢?shù)據(jù)表（Metadata），在元數(shù)據(jù)表中按照數(shù)據(jù)信息下不同類(lèi)型的非物質(zhì)文化添加不同信息，同時(shí)在非物質(zhì)文化類(lèi)別表中也需要按照添加的內(nèi)容的不同自動(dòng)添加元數(shù)據(jù)信息的新字段。向元數(shù)據(jù)總表內(nèi)添加新的元數(shù)據(jù)以后，非物質(zhì)文化類(lèi)別表就會(huì)自動(dòng)添加新信息，該信息對(duì)應(yīng)了總表中元數(shù)據(jù)的全部記錄。

功能設(shè)計(jì)：非物質(zhì)文化元數(shù)據(jù)管理主要是采取C/S構(gòu)造，具體包括了非物質(zhì)文化元數(shù)據(jù)管理、專(zhuān)業(yè)資料信息管理這兩方面內(nèi)容。它能夠?qū)υ獢?shù)據(jù)進(jìn)行動(dòng)態(tài)實(shí)時(shí)的管理，如信息刪改、增添和查看等一系列操作。其中自定義編號(hào)是為了進(jìn)一步保證元數(shù)據(jù)在內(nèi)容修改上的方便，如有助于增添新的元數(shù)據(jù)，同時(shí)表單將會(huì)按照自定義的編號(hào)順序排列，使用者在實(shí)際操作過(guò)程中，以非物質(zhì)文化的具體類(lèi)別為主，能夠自行查閱已經(jīng)輸入和導(dǎo)入進(jìn)去的元數(shù)據(jù)表單。還有利于增添新的元數(shù)據(jù)信息，也能夠?qū)Ρ砀駜?nèi)的現(xiàn)有元數(shù)據(jù)進(jìn)行刪改，如元數(shù)據(jù)的字段、長(zhǎng)度、類(lèi)別、實(shí)例、名稱(chēng)等。

2實(shí)驗(yàn)與效果分析

為了更加清楚、具體的看出本文提出的基于大數(shù)據(jù)的非物質(zhì)文化信息分析方法的實(shí)際應(yīng)用效果，特與傳統(tǒng)的非物質(zhì)文化信息分析方法進(jìn)行對(duì)比，對(duì)其信息分析的平均耗時(shí)進(jìn)行比較。

2.1實(shí)驗(yàn)準(zhǔn)備

為保證試驗(yàn)的準(zhǔn)確性，以某地非物質(zhì)文化信息數(shù)據(jù)庫(kù)的測(cè)試用例作為基本資料，將兩種非物質(zhì)文化信息分析方法設(shè)計(jì)置于相同的硬軟件配置之中，進(jìn)行錯(cuò)誤文本信息的分析，實(shí)驗(yàn)其信息分析平均耗時(shí)。配置參數(shù)見(jiàn)下表。

2.2實(shí)驗(yàn)結(jié)果分析

試驗(yàn)過(guò)程中，通過(guò)兩種不同的非物質(zhì)文化信息分析方法設(shè)計(jì)同時(shí)在相同配置環(huán)境下進(jìn)行工作，分析其信息分析平均耗時(shí)的變化。實(shí)驗(yàn)效果對(duì)比圖1所示。

實(shí)驗(yàn)結(jié)果表明，本文提出的基于大數(shù)據(jù)的非物質(zhì)文化信息分析方法，在非物質(zhì)文化信息測(cè)試中可以有效實(shí)現(xiàn)錯(cuò)誤信息文本的自動(dòng)分析，從而大大減少了人工分析錯(cuò)誤信息文本的工作量，且具備時(shí)間短，工作效率高的優(yōu)勢(shì)。

3結(jié)束語(yǔ)

對(duì)基于大數(shù)據(jù)的非物質(zhì)文化信息分析方法進(jìn)行分析，雖然大數(shù)據(jù)的非物質(zhì)文化信息分析法的應(yīng)用已經(jīng)在社會(huì)各領(lǐng)域獲得了比較好的應(yīng)用效果，然而影響非物質(zhì)文化信息的建設(shè)因素是多種多樣的，要想完全了解各類(lèi)人群對(duì)非物質(zhì)文化信息的認(rèn)知，就具備較大的挑戰(zhàn)。希望本文對(duì)非物質(zhì)文化信息分析方法可以為未來(lái)有關(guān)大數(shù)據(jù)以及非遺保護(hù)和傳承提供一定價(jià)值的借鑒。

參考文獻(xiàn)：

[1] 馬思根，趙小明，吳勇.貴州非物質(zhì)文化遺產(chǎn)的數(shù)據(jù)挖掘與分析[J].計(jì)算機(jī)時(shí)代，2020，10（5）：41-45，49.

[2] 張一然，陳愛(ài)強(qiáng).信息可視化設(shè)計(jì)下的非物質(zhì)文化遺產(chǎn)保護(hù)和傳承——以北塘飛鈸為例[J].工業(yè)設(shè)計(jì)，2020，12（4）：137-138.

[3] 余佳睿.非物質(zhì)文化遺產(chǎn)數(shù)字化保護(hù)與開(kāi)發(fā)——以南京為例[J].華夏文化，2020，1（1）：41-42.

[4] 張軒宇.基于大數(shù)據(jù)的江南非物質(zhì)文化遺產(chǎn)品牌網(wǎng)絡(luò)影響力實(shí)證研究[J].中國(guó)經(jīng)貿(mào)導(dǎo)刊（中），2020，15（5）：66-71.

[5]侯效彬.基于“大數(shù)據(jù)”時(shí)代的計(jì)算機(jī)信息處理技術(shù)探討[J].現(xiàn)代信息科技，2019，3（2）：89-91.

【通聯(lián)編輯：張薇】