智能視域下非物質(zhì)文化遺產(chǎn)視頻資源的傳播策略

莊文杰 童名文

(華中師范大學(xué) 人工智能教育學(xué)部， 湖北 武漢 430079)

引言

非物質(zhì)文化遺產(chǎn)(以下簡(jiǎn)稱(chēng)“非遺”)是人民群眾在勞動(dòng)中形成的集體智慧結(jié)晶，彰顯著鮮明的民族特色和歷史記憶，是珍貴和不可再生的精神文化寶藏。黨和國(guó)家非常注重對(duì)傳統(tǒng)文化的保護(hù)、傳承與可持續(xù)發(fā)展，多次提出“文化是一個(gè)國(guó)家、一個(gè)民族的靈魂”①，“實(shí)施中華優(yōu)秀傳統(tǒng)文化傳承發(fā)展工程，是建設(shè)社會(huì)主義文化強(qiáng)國(guó)的重大戰(zhàn)略任務(wù)”②等重要論斷。因此，發(fā)揮信息技術(shù)優(yōu)勢(shì)、提升文化與科技深度融合能力，符合我國(guó)文化大繁榮和提升文化軟實(shí)力的主旋律，是對(duì)文化振興與文化強(qiáng)國(guó)號(hào)召的響應(yīng)，更是文化、科技工作者的歷史責(zé)任與時(shí)代使命。

視頻作為一種優(yōu)秀的媒介載體，可利用其特有的視聽(tīng)敘事和藝術(shù)渲染手段，來(lái)系統(tǒng)、直觀(guān)、多元地呈現(xiàn)文化元素和表達(dá)文化內(nèi)涵，是非遺數(shù)字資源的重要組成部分。歷經(jīng)長(zhǎng)期積淀和努力探索，對(duì)非遺視頻的管理與利用已上升到新的高度，涌現(xiàn)出了大批膾炙人口、制作精良的新作品，凝結(jié)了較多資源組織、傳播推廣的新模式，并呈現(xiàn)出一派百家爭(zhēng)鳴、百花齊放的新態(tài)勢(shì)。但是，相較智能時(shí)代的要求，目前非遺視頻資源的傳播進(jìn)程仍處于粗放、單向、靜態(tài)的傳統(tǒng)范式中，還不足以在反映視頻規(guī)律的前提下智能匹配受眾個(gè)性需求，也不能根據(jù)受眾認(rèn)知變化實(shí)時(shí)地做出策略調(diào)整。為解決上述問(wèn)題，需要以創(chuàng)新的視野重新審視非遺視頻資源的傳播要素，理清其內(nèi)部的作用機(jī)制，并展開(kāi)應(yīng)對(duì)策略的研究與實(shí)踐。因此，本文聚焦非遺視頻資源，通過(guò)資源、受眾、策略三方關(guān)系的邏輯梳理來(lái)創(chuàng)設(shè)智能傳播情境，同時(shí)結(jié)合對(duì)非遺視頻結(jié)構(gòu)化組織、目標(biāo)受眾個(gè)性特征解析、智能傳播引擎實(shí)施路徑的深入探討，分別去解決內(nèi)容智能生成、過(guò)程智能診斷、策略智能修正的問(wèn)題，以期能為非遺視頻智能傳播的實(shí)現(xiàn)提供有價(jià)值的參考思路。

一、相關(guān)研究

智能視域下，非遺視頻資源的傳播是一項(xiàng)復(fù)雜的系統(tǒng)工程，現(xiàn)以傳播中關(guān)鍵環(huán)節(jié)為線(xiàn)索，分別從資源組織、受眾畫(huà)像、智能策略這三個(gè)方面來(lái)展開(kāi)相關(guān)研究的述評(píng)。

(一)資源組織

結(jié)構(gòu)良好的組織狀態(tài)有利于資源的存儲(chǔ)、管理和調(diào)取，是智能傳播的前提。較多研究者針對(duì)不同領(lǐng)域，從標(biāo)準(zhǔn)規(guī)范、方法過(guò)程、應(yīng)用實(shí)踐等層面做了大量的理論探討和經(jīng)驗(yàn)總結(jié)。B.Murtha從元數(shù)據(jù)架構(gòu)出發(fā)，利用受控詞表和分類(lèi)體系，豐富了藝術(shù)與建筑領(lǐng)域的描述模式③。Noriko Kando等通過(guò)對(duì)文化遺產(chǎn)中異構(gòu)資源的多維元數(shù)據(jù)整合，實(shí)現(xiàn)了資源的無(wú)縫檢索與融合④。印度學(xué)者Hiranmay Ghosh等利用MOWL本體語(yǔ)言，構(gòu)建出多媒體資源與領(lǐng)域概念間的感知模型，從而實(shí)現(xiàn)了古典舞蹈知識(shí)與視頻之間的關(guān)聯(lián)⑤。翟珊珊以“楚劇”為例，在資源本體基礎(chǔ)上，利用元數(shù)據(jù)關(guān)聯(lián)和語(yǔ)義化標(biāo)注的方法，實(shí)現(xiàn)了楚劇多媒體資源的有效聚合⑥。董坤等根據(jù)非遺知識(shí)屬性提出7元組的本體結(jié)構(gòu)模型，并基于D2RQ平臺(tái)，完成了RDF格式轉(zhuǎn)化與關(guān)聯(lián)數(shù)據(jù)發(fā)布⑦。在實(shí)踐中，更多的研究者立足于特定項(xiàng)目，通過(guò)綜合方法的選用來(lái)揭示多維度、多層級(jí)的資源本質(zhì)。徐雷等對(duì)敦煌壁畫(huà)中靜態(tài)圖像元素采用復(fù)合語(yǔ)義標(biāo)注，從敘事維度出發(fā)完成了基于情節(jié)、實(shí)體和活動(dòng)信息的組織與表達(dá)⑧。侯西龍等使用SURF算法和窗口閥值的鏡頭分割法，將“七夕節(jié)”視頻分割成不同顆粒度的邏輯單元，并通過(guò)單元的語(yǔ)義標(biāo)注實(shí)現(xiàn)了概念與視頻間的語(yǔ)義關(guān)聯(lián)⑨。

非遺視頻，不僅在格式、形態(tài)、內(nèi)容、對(duì)象、時(shí)空上具有多維的描述角度，還擁有文化空間、人物關(guān)系、影音敘事、藝術(shù)手法等獨(dú)特的語(yǔ)境關(guān)系。現(xiàn)有研究雖可提供一定的方法指導(dǎo)，但還不能全面匹配非遺視頻的邏輯結(jié)構(gòu)并揭示內(nèi)在關(guān)系。所以，有必要深入思考非遺視頻的媒介屬性和知識(shí)表征過(guò)程，進(jìn)一步理順其知識(shí)空間和本體架構(gòu)思路。

(二)受眾畫(huà)像

受眾是傳播的主體，對(duì)其準(zhǔn)確的解讀決定了交互走向和體感效果，是智能傳播實(shí)現(xiàn)的必要條件。不少研究表明，捕捉受眾需求、描述個(gè)性特征可實(shí)現(xiàn)資源與對(duì)象的精確匹配，提升服務(wù)的智慧化水平。陳丹等通過(guò)讀者的個(gè)性特征定位，為數(shù)字館藏資源的智慧服務(wù)提供了思路⑩。Rossi等通過(guò)分析登機(jī)用戶(hù)的個(gè)性軌跡，實(shí)現(xiàn)了智能化的資訊服務(wù)和機(jī)場(chǎng)管理。受眾行為是內(nèi)在屬性的外在顯化，Chikhaoui利用概率后綴樹(shù)和標(biāo)準(zhǔn)化互信息的綜合方法來(lái)抽取受眾特征行為，并通過(guò)因果推理完成活動(dòng)的預(yù)測(cè)。徐海玲等通過(guò)概念格方法，對(duì)讀者群體的特征行為進(jìn)行關(guān)聯(lián)數(shù)據(jù)挖掘，以此來(lái)預(yù)測(cè)潛在閱讀興趣。在受眾畫(huà)像中，也有不少研究專(zhuān)注于社會(huì)屬性和個(gè)性屬性的細(xì)致闡述，比如，邱云飛等從自然屬性、需求偏好和特征行為幾方面來(lái)構(gòu)建社交媒體的用戶(hù)標(biāo)簽；肖君等從基本特征、學(xué)習(xí)行為、學(xué)習(xí)路徑等方面來(lái)進(jìn)行在線(xiàn)學(xué)習(xí)者畫(huà)像分析；自適應(yīng)學(xué)習(xí)平臺(tái)Knewton，從用戶(hù)偏好、認(rèn)知風(fēng)格、知識(shí)結(jié)構(gòu)和能力水平等角度來(lái)動(dòng)態(tài)評(píng)估學(xué)習(xí)者智能的在線(xiàn)學(xué)習(xí)過(guò)程。

對(duì)非遺視頻受眾而言，因項(xiàng)目在內(nèi)容上的復(fù)雜性，其在年齡分布、興趣愛(ài)好、目標(biāo)需求、認(rèn)知基礎(chǔ)上存在較大差異?，F(xiàn)有研究在解決群體認(rèn)知差異大、范圍跨度廣的問(wèn)題的深度略顯不足，還需在此基礎(chǔ)上進(jìn)一步凝練受眾共性和增強(qiáng)包絡(luò)性，并通過(guò)受眾行為的定量分析與深度挖掘以構(gòu)建動(dòng)態(tài)修正的合理機(jī)制。

(三)智能策略

隨著時(shí)代進(jìn)步與技術(shù)提升，現(xiàn)代傳播更為注重先進(jìn)理念的引領(lǐng)和科技元素的融入。在文化傳播領(lǐng)域，代表性的觀(guān)點(diǎn)有：智能媒體可以嶄新的形態(tài)實(shí)現(xiàn)非遺內(nèi)容的裂變式傳播；依托5G和多種數(shù)字技術(shù)，可加快非遺知識(shí)轉(zhuǎn)型并提供智能、即時(shí)的內(nèi)容與產(chǎn)品；VR和AI技術(shù)，可幫助構(gòu)建文化體感情境，加深文化認(rèn)知和促進(jìn)文化服務(wù)；短視頻，可在“互聯(lián)網(wǎng)+”時(shí)代實(shí)現(xiàn)非遺文化的大眾普及并產(chǎn)生傳播的集聚效應(yīng)。在知識(shí)傳播領(lǐng)域，美國(guó)的ISIS-TUTOR、Adaptive VIBE、Knewton，可實(shí)現(xiàn)特定領(lǐng)域知識(shí)內(nèi)容的智能推送；荷蘭愛(ài)因霍芬科技大學(xué)的AHA可實(shí)現(xiàn)學(xué)科內(nèi)容的智適應(yīng)呈現(xiàn)與導(dǎo)航；雅典大學(xué)的INSPIRE可實(shí)現(xiàn)個(gè)性化學(xué)習(xí)內(nèi)容的智能生成。在智能算法優(yōu)化領(lǐng)域，徐天偉等從基于項(xiàng)目、用戶(hù)和屬性值矩陣的協(xié)同過(guò)濾，盈艷等從預(yù)測(cè)填充矩陣的聚類(lèi)算法，馬相春從知識(shí)路徑和資源推送的智適應(yīng)系統(tǒng)架構(gòu)等角度都給出了一定的解決方案。

智能傳播是未來(lái)的發(fā)展趨勢(shì)和前沿陣地，有必要從智能化視野上對(duì)非遺視頻的傳播模式和方法展開(kāi)探討：通過(guò)對(duì)資源智能布局、受眾智能分析的深入剖析，實(shí)現(xiàn)領(lǐng)域視頻資源的精準(zhǔn)投放；通過(guò)對(duì)智能診斷與智能決策原理的系統(tǒng)研究，創(chuàng)設(shè)豐富的智能交互情境。只有解放思想，吸收、借鑒和融合相關(guān)領(lǐng)域中的新理念、新方法、新技術(shù)，并將理論與實(shí)踐相結(jié)合，才能創(chuàng)新文化傳播業(yè)態(tài)，順應(yīng)時(shí)代發(fā)展的需要。

二、非遺視頻資源智能傳播模型

為達(dá)到對(duì)非遺視頻資源的智能傳播目標(biāo)，在系統(tǒng)架構(gòu)中不僅需要思考如何突出特定文化空間內(nèi)所蘊(yùn)含的豐富語(yǔ)境關(guān)系，并按照特征內(nèi)容做好對(duì)視頻信息載量、數(shù)據(jù)標(biāo)識(shí)、關(guān)聯(lián)方式、鏈接強(qiáng)度的規(guī)劃，而且需要考慮如何提煉傳播對(duì)象的共性，采用動(dòng)態(tài)視角定量分析受眾個(gè)性特征，更為關(guān)鍵的是如何體現(xiàn)智能性，即通過(guò)創(chuàng)設(shè)智能傳播情境去挖掘受眾交互行為的數(shù)據(jù)、去接受眾個(gè)性需求定向匹配視頻資源并實(shí)時(shí)做出策略上的智能調(diào)整?；谝陨嫌^(guān)點(diǎn)，本文從“非遺視頻資源組織”“受眾個(gè)性特征解析”“智能傳播處理引擎”這三個(gè)方面設(shè)計(jì)了非遺視頻資源的智能傳播模型，具體框架如圖1所示。

圖1 非遺視頻資源智能傳播模型示意圖

非遺視頻，是采用動(dòng)態(tài)影音去直觀(guān)呈現(xiàn)文化內(nèi)容、表達(dá)文化知識(shí)、反映文化情境的專(zhuān)屬數(shù)字資源。在實(shí)際的管理與利用中，常因制作標(biāo)準(zhǔn)不同，其在格式規(guī)范、清晰程度、光影質(zhì)感、語(yǔ)音規(guī)范、畫(huà)面節(jié)奏上會(huì)有較大差異；因敘事維度不同，在知識(shí)闡述、學(xué)術(shù)深度、藝術(shù)表現(xiàn)上亦表現(xiàn)出不同的可利用價(jià)值。所以，為深度刻畫(huà)非遺文化內(nèi)涵，克服碎片化、無(wú)序化的組織障礙，從而實(shí)現(xiàn)立體、全面、系統(tǒng)的組織過(guò)程，在資源選取中，可遵循“保障非遺知識(shí)敘事完整、優(yōu)先選擇歷史稀缺資源、注重質(zhì)量與風(fēng)格的協(xié)調(diào)統(tǒng)一”，即“取其意、用其珍、統(tǒng)于形”的原則，來(lái)對(duì)視頻資源進(jìn)行篩選與過(guò)濾。在粒度標(biāo)定中，應(yīng)以表述內(nèi)容的知識(shí)點(diǎn)為界限，通過(guò)剪輯、加工與重塑的處理，采用非遺視頻元(最小視頻單位)的形式來(lái)輸出可播放的單個(gè)視頻實(shí)體。在語(yǔ)境表達(dá)中，應(yīng)在文化學(xué)者的指導(dǎo)下，通過(guò)多維的數(shù)據(jù)屬性描述、語(yǔ)義關(guān)系標(biāo)注、難度系數(shù)標(biāo)記等途徑來(lái)實(shí)現(xiàn)資源的鏈接與聚合，進(jìn)而構(gòu)建出高效、智能的結(jié)構(gòu)化非遺視頻資源網(wǎng)絡(luò)。另外，為監(jiān)測(cè)受眾認(rèn)知和掌握情況，并為智能決策提供依據(jù)，每個(gè)非遺知識(shí)單元都將設(shè)置一組認(rèn)知測(cè)試題，該集合也對(duì)應(yīng)存儲(chǔ)于資源庫(kù)中。

受眾是智能傳播的中介與橋梁，決定了資源調(diào)取和策略實(shí)施的具體走向?？紤]到系統(tǒng)冷啟動(dòng)問(wèn)題，將采用“老受眾”與“新受眾”兩種方式：“老受眾”通過(guò)登錄，可直接載入特征數(shù)據(jù)；“新受眾”將通過(guò)基本信息注冊(cè)、特征初始化后在特征庫(kù)中存入其個(gè)性數(shù)據(jù)?；拘畔?，將分別從姓名、性別、年齡、身份、職業(yè)、興趣、愛(ài)好等維度收集信息，用于群體分類(lèi)和相似度比較；特征初始化，將利用國(guó)際通用的成熟量表和認(rèn)知測(cè)試題，分別從目標(biāo)需求、訪(fǎng)問(wèn)風(fēng)格和認(rèn)知狀態(tài)上量化受眾的個(gè)性數(shù)據(jù)。同時(shí)，在資源交互過(guò)程中，將采集受眾的特征行為和項(xiàng)目評(píng)價(jià)數(shù)據(jù)，并通過(guò)特定算法去智能、動(dòng)態(tài)地修正與更新初始的特征數(shù)據(jù)。

處理引擎是智能傳播的核心驅(qū)動(dòng)模塊，擔(dān)負(fù)著資源提取、智能布局、情境交互、認(rèn)知評(píng)測(cè)、智能決策、信息反饋等諸多功能。智能傳播引擎的運(yùn)轉(zhuǎn)流程可解讀為以下幾個(gè)環(huán)節(jié)：第一，讀取受眾個(gè)性特征數(shù)據(jù)，根據(jù)受眾的目標(biāo)與需求，調(diào)用資源庫(kù)中對(duì)應(yīng)的非遺視頻單元，并按照受眾的訪(fǎng)問(wèn)風(fēng)格屬性定位進(jìn)行合理的、匹配的資源布局；第二，創(chuàng)設(shè)豐富的受眾與資源交互情境，呈現(xiàn)訪(fǎng)問(wèn)視頻的先后序列、已通過(guò)和未通過(guò)的知識(shí)點(diǎn)表單，設(shè)置符合受眾習(xí)慣的項(xiàng)目評(píng)價(jià)按鈕，提供多元化的導(dǎo)航方式(比如：知識(shí)點(diǎn)圖譜、項(xiàng)目地域分布圖)以供順序式或跨越式點(diǎn)播；第三，待當(dāng)前非遺內(nèi)容單元訪(fǎng)問(wèn)結(jié)束后，調(diào)用對(duì)應(yīng)的認(rèn)知測(cè)試題對(duì)受眾的掌握狀態(tài)進(jìn)行智能評(píng)估與決策；第四，將決策信息反饋給資源智能布局模塊，對(duì)于通過(guò)的受眾可直接進(jìn)入下一認(rèn)知單元，對(duì)于不通過(guò)的受眾則需要進(jìn)行認(rèn)知內(nèi)容的補(bǔ)充或難度系數(shù)的調(diào)整。

以上模型架構(gòu)，為智能傳播的實(shí)現(xiàn)提供了一定的理論指導(dǎo)和方法思路，下面將對(duì)其中的具體細(xì)節(jié)、實(shí)施路徑、技術(shù)路線(xiàn)進(jìn)一步展開(kāi)策略的詳細(xì)探討與研究。

三、非遺視頻組織策略

面對(duì)項(xiàng)目眾多、內(nèi)容復(fù)雜且形式多樣、表現(xiàn)靈活的非遺視頻資源，若要實(shí)現(xiàn)對(duì)其有效組織并能可視化地反映出內(nèi)部的組織結(jié)構(gòu)，還需理清非遺視頻在知識(shí)承載、敘事方式、內(nèi)容闡述、媒體制作等方面的內(nèi)在規(guī)律，并在此基礎(chǔ)上建構(gòu)出合理解決組織基因提煉、邏輯層次表述、關(guān)聯(lián)關(guān)系表達(dá)的系統(tǒng)方案。

(一)非遺視頻元提取

非遺視頻是非遺知識(shí)的載體。按“世界經(jīng)濟(jì)合作與發(fā)展組織”(OECD)對(duì)知識(shí)體系的劃分，非遺知識(shí)可對(duì)應(yīng)地分解為事實(shí)型知識(shí)(know-what)、原理型知識(shí)(know-why)、技能型知識(shí)(know-how)和人員型知識(shí)(know-who)。非遺的事實(shí)型知識(shí)主要包括基本信息和歷史資訊，即項(xiàng)目概述、傳承現(xiàn)狀、演變歷程、歷史故事、存世資料等；原理型知識(shí)大多為反映文化空間的事件知識(shí)與時(shí)空知識(shí)，即事件順序、儀式流程、服裝道具、時(shí)空節(jié)點(diǎn)等；技能型知識(shí)主要是“做”與“唱”中步驟流程與器物使用的程序型知識(shí)，即工藝流程、唱法腔段、制作技能、演述技巧等；人員型知識(shí)是對(duì)代表人物和典型人物的了解，即各級(jí)代表性傳承人、領(lǐng)域?qū)＜摇⒅攸c(diǎn)承繼人和參與人等信息。理解非遺的知識(shí)類(lèi)別，做好知識(shí)跨度范圍的界定，將有助于非遺視頻最小內(nèi)容表征單位的提煉與析出。

視頻作為視聽(tīng)融合的大眾媒介，因現(xiàn)場(chǎng)影像與聲音的寫(xiě)實(shí)束縛，在創(chuàng)作中只能采用有限的手法來(lái)進(jìn)行素材采集和內(nèi)容表征。但是，通過(guò)后期的藝術(shù)加工和綜合的敘事組合，也可完成無(wú)限的表意功能。經(jīng)過(guò)對(duì)制作過(guò)程的系統(tǒng)分析，可將非遺視頻歸納出“事件紀(jì)實(shí)”“人物訪(fǎng)談”“情境再現(xiàn)”“畫(huà)外解說(shuō)”“細(xì)節(jié)展演”這五種視聽(tīng)形態(tài)。事件紀(jì)實(shí)，是以主觀(guān)或客觀(guān)視角，在現(xiàn)場(chǎng)通過(guò)攝像機(jī)去記錄和還原事件發(fā)生過(guò)程和發(fā)展全貌；人物訪(fǎng)談，是通過(guò)話(huà)題引導(dǎo)和自由講述，呈現(xiàn)個(gè)人對(duì)歷史、過(guò)程、事件及物品的見(jiàn)解與觀(guān)念；情境再現(xiàn)，是通過(guò)場(chǎng)景復(fù)原和真人演繹，重現(xiàn)虛幻人物和歷史故事；畫(huà)外解說(shuō)，是以語(yǔ)言為線(xiàn)索，通過(guò)對(duì)應(yīng)的視覺(jué)畫(huà)面來(lái)進(jìn)行原理闡述和觀(guān)點(diǎn)表達(dá)；細(xì)節(jié)展演，利用特寫(xiě)鏡頭和“點(diǎn)”的刻畫(huà)，去展現(xiàn)和演示技術(shù)與技巧的細(xì)微內(nèi)容。不同形態(tài)的視頻，具備各自的信息表達(dá)優(yōu)勢(shì)，通過(guò)復(fù)合與疊加即可全方位、多角度、立體化地系統(tǒng)表征非遺知識(shí)內(nèi)容。具體映射關(guān)系可參見(jiàn)圖2所示。

圖2 不同視頻形態(tài)與非遺知識(shí)表征的關(guān)系映射示意圖

在非遺視頻元的提取中，需要非遺領(lǐng)域和視頻技術(shù)人員的通力配合與相互協(xié)作，采用層層遞進(jìn)、逐步細(xì)化的方法與原則。素材的篩選，應(yīng)按照視頻形態(tài)完成以項(xiàng)目為單位的視頻歸類(lèi)與集中，并在資源儲(chǔ)備較為充足的前提下優(yōu)先選用質(zhì)量較高的影音數(shù)據(jù)。在知識(shí)覆蓋范圍的界定中，應(yīng)以領(lǐng)域?qū)＜覟橹鲗?dǎo)，通過(guò)非遺知識(shí)最小表征單位的理解，實(shí)施對(duì)視頻中長(zhǎng)鏡頭的切分和單個(gè)鏡頭的重組。在畫(huà)面與聲音的優(yōu)化組合中，應(yīng)做到以?xún)?nèi)容敘事為導(dǎo)向，通過(guò)角度與景別的切換，來(lái)豐富畫(huà)面節(jié)奏和提升視覺(jué)張力，同時(shí)，應(yīng)盡量保留現(xiàn)場(chǎng)同期聲，并添加恰當(dāng)?shù)囊繇懶Ч院嫱姓w氛圍。

(二)視頻資源本體模型

非遺視頻經(jīng)過(guò)視頻元提取，可得到諸多完整的視頻實(shí)體。為進(jìn)一步清晰表達(dá)視頻間的邏輯結(jié)構(gòu)和相互關(guān)系，還需要搭建合理的資源本體。

本體模型，一般采用最核心、最簡(jiǎn)潔以及包絡(luò)性最強(qiáng)的術(shù)語(yǔ)或關(guān)鍵詞來(lái)描述對(duì)象的結(jié)構(gòu)層次，是對(duì)事物邏輯和組織關(guān)系的頂層設(shè)計(jì)，有助于知識(shí)的抽象歸納和具象聯(lián)結(jié)。目前，國(guó)內(nèi)絕大多數(shù)非遺資源本體模型，均借鑒了文化類(lèi)資源概念參考模型(CIDOC CRM)的核心思想，采用以?xún)?nèi)容敘事為線(xiàn)索、以點(diǎn)串面的構(gòu)建思路。該思路主要針對(duì)非遺泛在資源，雖可一定程度解決內(nèi)容共聯(lián)、項(xiàng)目共通等問(wèn)題，但還無(wú)法刻畫(huà)視頻的內(nèi)在規(guī)律及突出其在媒介表達(dá)、敘事組織、藝術(shù)創(chuàng)作中的本質(zhì)特征。所以，在非遺視頻的本體模型構(gòu)建中，一定要遵循視頻的創(chuàng)作思維，在符合視頻內(nèi)容語(yǔ)境的基礎(chǔ)上，進(jìn)一步突出概念之間的邏輯層次。為了快速識(shí)別與定位視頻實(shí)體，本文以知識(shí)表征中視頻形態(tài)為切入點(diǎn)，從“事件紀(jì)實(shí)”“細(xì)節(jié)展演”“畫(huà)外解說(shuō)”“情境再現(xiàn)”“人物評(píng)述”這五個(gè)方面來(lái)構(gòu)建非遺視頻資源本體中的一級(jí)層次。以視頻的信息表述形態(tài)來(lái)完成本體中基本概念層次搭建，一方面無(wú)須對(duì)表達(dá)內(nèi)容進(jìn)行完整解讀，即可快速識(shí)別與定位非遺視頻元屬類(lèi)，這有利于提升視頻實(shí)體的組織效率；另一方面，以形態(tài)來(lái)進(jìn)行非遺視頻建構(gòu)，能更貼近受眾的訪(fǎng)問(wèn)習(xí)慣和風(fēng)格判斷，將有利于后期智能傳播過(guò)程的實(shí)踐。

非遺具有眾多的門(mén)類(lèi)，比如民俗、舞蹈、美術(shù)、音樂(lè)、文學(xué)等，同類(lèi)別下不同項(xiàng)目亦表現(xiàn)出不同的專(zhuān)屬特征。結(jié)合對(duì)非遺視頻闡述內(nèi)容的共性提煉，本體中的二級(jí)概念層次可做如下標(biāo)定：事件紀(jì)實(shí)，按照事件類(lèi)別細(xì)分出競(jìng)技事件、儀式事件、內(nèi)容事件與活動(dòng)事件；細(xì)節(jié)展演，根據(jù)展示對(duì)象的不同，細(xì)分出步驟演示和說(shuō)唱演述；畫(huà)外解說(shuō)，依據(jù)概況角度和解說(shuō)對(duì)象的不同，細(xì)分出基本信息、時(shí)空特性、資料與物品、發(fā)展脈絡(luò)；情境再現(xiàn)，從再現(xiàn)對(duì)象和虛構(gòu)情境的角度，可細(xì)分出歷史故事、歷史人物、環(huán)境與物品；人物評(píng)述，可根據(jù)訪(fǎng)談對(duì)象的差異，拓展為代表性傳承人、典型人物、專(zhuān)家與學(xué)者、參與人。具體本體模型框架可參見(jiàn)圖3所示。

圖3 非遺視頻資源本體模型構(gòu)建示意圖

上述的兩級(jí)概念層次體現(xiàn)了非遺項(xiàng)目的共通性，能較為全面地滿(mǎn)足不同項(xiàng)目的本體架構(gòu)。但在三級(jí)及以下概念層級(jí)的拓展中，還需緊密結(jié)合具體非遺項(xiàng)目中多元的文化內(nèi)容、多樣的文化語(yǔ)境以及復(fù)雜的人員關(guān)系等，做到具體情境具體分析。

(三)資源關(guān)聯(lián)與可視化

為構(gòu)建有序、聚合、結(jié)構(gòu)與可視化的非遺視頻資源網(wǎng)絡(luò)，對(duì)單個(gè)非遺視頻元實(shí)體，可通過(guò)屬性描述建立外部的邏輯關(guān)聯(lián)，通過(guò)視頻間豐富的語(yǔ)境聯(lián)系建立內(nèi)部的語(yǔ)義關(guān)聯(lián)。

元數(shù)據(jù)，作為一種對(duì)實(shí)體屬性描述的標(biāo)簽數(shù)據(jù)，可為資源的識(shí)別、管理、組織及追蹤提供導(dǎo)向。為詳細(xì)說(shuō)明非遺視頻元在基本信息、非遺屬性、視頻屬性、關(guān)聯(lián)屬性這四個(gè)維度的特征，本文在參考國(guó)際通用的DC、CDWA、VRC等元數(shù)據(jù)標(biāo)準(zhǔn)的基礎(chǔ)上，經(jīng)過(guò)重點(diǎn)篩選與利弊權(quán)衡，確立17個(gè)核心元素來(lái)完成非遺視頻元實(shí)體的元數(shù)據(jù)描述。其中，選取{名稱(chēng)、標(biāo)識(shí)符}來(lái)標(biāo)注基本信息，以實(shí)現(xiàn)檢索、查詢(xún)和調(diào)用的功能；選取{民族、項(xiàng)目類(lèi)型、內(nèi)容概述、傳承人、領(lǐng)域?qū)＜?、參與人}來(lái)說(shuō)明視頻實(shí)體在項(xiàng)目性質(zhì)、內(nèi)容以及人員方面的信息；選取{發(fā)布機(jī)構(gòu)、制作人、拍攝時(shí)間、拍攝地點(diǎn)、視頻形態(tài)}來(lái)突出視頻在出品、制作及類(lèi)別中的特征；選取{關(guān)鍵詞、屬類(lèi)資源、層級(jí)資源、平行資源}來(lái)建構(gòu)視頻間相互關(guān)聯(lián)的渠道。在元數(shù)據(jù)著錄后，經(jīng)過(guò)RDF語(yǔ)言的關(guān)系標(biāo)注，并結(jié)合相似特征屬性的數(shù)據(jù)比較，即可實(shí)現(xiàn)相同維度的非遺視頻元集聚。

在本體結(jié)構(gòu)框架的指引下，因敘事視角的復(fù)雜性、呈現(xiàn)形態(tài)的多變性、藝術(shù)表現(xiàn)的多樣性，非遺視頻元各實(shí)例間會(huì)具有豐富的語(yǔ)義關(guān)系。通過(guò)對(duì)視頻間概念與概念、概念與實(shí)例、實(shí)例與實(shí)例間潛存關(guān)系的共性提煉，可以發(fā)現(xiàn)：在視頻創(chuàng)作中，圍繞同一個(gè)主題，不同形態(tài)視頻可采用不同藝術(shù)加工角度來(lái)表達(dá)平行的內(nèi)容；在內(nèi)容敘事中，可通過(guò)不同視角來(lái)展現(xiàn)事物的整體與局部，比如事件紀(jì)實(shí)強(qiáng)調(diào)事件發(fā)展過(guò)程的面，細(xì)節(jié)展演注重具體環(huán)節(jié)中的點(diǎn)；在表意功能中，視頻還具備解釋、說(shuō)明、重現(xiàn)等作用，比如解說(shuō)類(lèi)視頻可用語(yǔ)言來(lái)詮釋事件發(fā)生的歷史背景，情境再現(xiàn)可重現(xiàn)歷史人物與故事；在人物行為中，可通過(guò)人員主持、參與等主動(dòng)行為以及對(duì)客體的述說(shuō)、回憶、評(píng)論等言語(yǔ)行為產(chǎn)生較為復(fù)雜的關(guān)系。因此，可將非遺視頻元間的語(yǔ)義關(guān)系總結(jié)為同一關(guān)系、點(diǎn)面關(guān)系、釋義關(guān)系和行為關(guān)系這四大類(lèi)別，詳細(xì)說(shuō)明參見(jiàn)表1。

表1 非遺視頻元間語(yǔ)義類(lèi)別及關(guān)系說(shuō)明(部分)

在明確了元數(shù)據(jù)和語(yǔ)義關(guān)系的基礎(chǔ)上，本文使用LodLive工具來(lái)生成非遺視頻的可視化關(guān)聯(lián)圖譜。在圖譜中，每個(gè)節(jié)點(diǎn)均代表著單個(gè)視頻實(shí)例，鏈接箭頭則描述了兩者間的關(guān)系，以任意節(jié)點(diǎn)為起點(diǎn)，都可搜尋到與之相關(guān)的視頻實(shí)體，并以遞進(jìn)的方式說(shuō)明兩者之間的關(guān)聯(lián)屬性。圖4展示出了“黑暗傳”視頻間部分的關(guān)聯(lián)圖譜，其左側(cè)是以元數(shù)據(jù)為導(dǎo)向的外部關(guān)聯(lián)數(shù)據(jù)集，可從不同的相似程度上建立自建數(shù)據(jù)集與眾多開(kāi)源數(shù)據(jù)集之間的聯(lián)接；右側(cè)為領(lǐng)域內(nèi)部非遺視頻元的關(guān)聯(lián)數(shù)據(jù)集，表示出了概念邏輯和豐富的語(yǔ)義關(guān)系。非遺視頻的可視化關(guān)聯(lián)圖譜，能幫助發(fā)現(xiàn)更多有價(jià)值的隱含信息，也更有利于實(shí)現(xiàn)對(duì)非遺視頻元實(shí)體的查找、調(diào)取和管理。

圖4 民間文學(xué)“黑暗傳”的視頻關(guān)聯(lián)圖譜

四、受眾特征解析策略

受眾是連接視頻資源和傳播引擎的紐帶與橋梁，對(duì)其個(gè)性化特征的準(zhǔn)確解讀，將影響和決定內(nèi)容投放及策略實(shí)施。面對(duì)紛繁各異的目標(biāo)對(duì)象，在個(gè)性特征刻畫(huà)中，不僅要明確與分析出可描述的共性維度，搭建全面與系統(tǒng)的特征解析模式，還需確立根據(jù)受眾狀態(tài)進(jìn)行定量分析與動(dòng)態(tài)描述的方案。

(一)目標(biāo)受眾分析

開(kāi)展非遺視頻資源的智能傳播研究，主要是為了讓更多的人了解、傳承和弘揚(yáng)我國(guó)優(yōu)秀的傳統(tǒng)文化，通過(guò)系統(tǒng)的文化探索、文化認(rèn)知、文化實(shí)踐，樹(shù)立起文化認(rèn)同與文化歸屬的正確價(jià)值觀(guān)。隨著非遺文化的日益普及，更多的人渴望通過(guò)視頻來(lái)提升自身的文化素養(yǎng)。根據(jù)預(yù)期目標(biāo)不同，非遺視頻的傳播與推廣對(duì)象可大致包含非遺項(xiàng)目承繼人、“非遺進(jìn)校園”所覆蓋的中小學(xué)生、相關(guān)文化專(zhuān)業(yè)的在校大學(xué)生、文化專(zhuān)題研究人員以及對(duì)某類(lèi)項(xiàng)目具有濃厚興趣的普通民眾這五類(lèi)群體。上述目標(biāo)群體，在年齡分布、知識(shí)基礎(chǔ)、工作性質(zhì)上均有不同，在預(yù)期目標(biāo)、文化需求、認(rèn)知習(xí)慣等層面也表現(xiàn)出較大差異。但是，經(jīng)過(guò)對(duì)傳播中受眾外顯共性的分析，可以歸納出：在起始階段，多數(shù)受眾會(huì)利用知識(shí)地圖和搜索引擎來(lái)定位資源和表達(dá)需求，會(huì)設(shè)定目標(biāo)，并通過(guò)對(duì)資源價(jià)值和自身績(jī)效的判斷來(lái)評(píng)價(jià)傳播效果；在過(guò)程階段，會(huì)具備穩(wěn)定的視頻類(lèi)型訪(fǎng)問(wèn)偏好，并按照一定順序來(lái)接受和處理信息，會(huì)通過(guò)同化與順應(yīng)方式來(lái)完成新舊知識(shí)融合和自身知識(shí)體系改造等。因此，本文將從需求與目標(biāo)、訪(fǎng)問(wèn)風(fēng)格、認(rèn)知狀態(tài)這三個(gè)維度來(lái)完成目標(biāo)受眾的共性分析。

受眾需求，可通過(guò)內(nèi)容檢索與熱區(qū)點(diǎn)擊來(lái)明確；受眾目標(biāo)，在參考布魯姆在認(rèn)知目標(biāo)領(lǐng)域分類(lèi)標(biāo)準(zhǔn)的基礎(chǔ)上，依據(jù)注冊(cè)角色的不同，劃分出“知道與領(lǐng)會(huì)”“應(yīng)用”“分析”“綜合”“評(píng)價(jià)”這5個(gè)等級(jí)。當(dāng)然，受眾也可根據(jù)對(duì)內(nèi)容了解和認(rèn)知情況的變化，自主選擇或改變相應(yīng)的目標(biāo)層級(jí)。訪(fǎng)問(wèn)風(fēng)格是對(duì)受眾喜好方式的理性判斷，是資源智能布局的重要參數(shù)。為了便于定量計(jì)算，借鑒相關(guān)研究成果，可分別從信息加工、信息感知、信息輸入和內(nèi)容理解這四個(gè)角度來(lái)剖析。通過(guò)對(duì)“學(xué)”與“做”先后順序的解讀，來(lái)定位活躍型或沉思型；通過(guò)對(duì)“具體”與“抽象”知識(shí)特征的加工分析，來(lái)定位感覺(jué)型或直覺(jué)型；通過(guò)對(duì)“視覺(jué)”或“聽(tīng)覺(jué)”信息偏愛(ài)程度的測(cè)量，來(lái)定位畫(huà)面型或言語(yǔ)型；通過(guò)對(duì)導(dǎo)航路徑和習(xí)慣的記錄，來(lái)定位序列型與綜合型。在認(rèn)知狀態(tài)的分析中，應(yīng)該立足于單個(gè)知識(shí)點(diǎn)，通過(guò)知識(shí)標(biāo)號(hào)、抽象系數(shù)、難度等級(jí)的導(dǎo)入來(lái)標(biāo)注內(nèi)容細(xì)節(jié)，通過(guò)瀏覽記錄與測(cè)試結(jié)果來(lái)備案訪(fǎng)問(wèn)過(guò)程，通過(guò)對(duì)知識(shí)掌握程度和能力水平的變化來(lái)呈現(xiàn)認(rèn)知結(jié)果。

綜合上述分析，圖5給出了詳細(xì)的受眾特征解析模式。在該模式中，除了明確需求與目標(biāo)、訪(fǎng)問(wèn)風(fēng)格、認(rèn)知狀態(tài)這三個(gè)特征維度，并根據(jù)內(nèi)在結(jié)構(gòu)對(duì)其核心要素進(jìn)行拓展以外，還從數(shù)據(jù)傳輸?shù)慕嵌冉o出了合理架構(gòu)，也就是：利用基本信息數(shù)據(jù)庫(kù)存儲(chǔ)需求與目標(biāo)數(shù)據(jù)，構(gòu)建個(gè)性風(fēng)格數(shù)據(jù)庫(kù)存儲(chǔ)確定的訪(fǎng)問(wèn)風(fēng)格屬性，同時(shí)根據(jù)受眾交互行為，采用算法來(lái)修正其中的訪(fǎng)問(wèn)風(fēng)格數(shù)據(jù)；調(diào)用資源單元信息數(shù)據(jù)完成知識(shí)點(diǎn)信息的標(biāo)注，同時(shí)構(gòu)建認(rèn)知狀態(tài)數(shù)據(jù)庫(kù)完成對(duì)訪(fǎng)問(wèn)歷史和認(rèn)知結(jié)果的信息儲(chǔ)存，以供智能傳播引擎進(jìn)行數(shù)據(jù)分析。

圖5 目標(biāo)受眾解析模式的架構(gòu)示意圖

(二)訪(fǎng)問(wèn)風(fēng)格判斷策略

訪(fǎng)問(wèn)風(fēng)格是對(duì)受眾信息處理偏好方式的定性分析，為快速、精確地定位出風(fēng)格維度屬性，同時(shí)兼顧新、老受眾的不同處理方式，可采用初始描述與動(dòng)態(tài)修正相結(jié)合的遞進(jìn)過(guò)程。

1.初始化描述

為解決新受眾在初次進(jìn)入智能傳播系統(tǒng)時(shí)所遇到的冷啟動(dòng)問(wèn)題，本文選用在國(guó)際上通用且內(nèi)容全面、問(wèn)題精煉、耗時(shí)較短的Felder-Silverman量表來(lái)完成初始訪(fǎng)問(wèn)風(fēng)格維度定位。

Felder-Silverman量表，共有44道客觀(guān)選擇題，分別從信息加工、信息感知、信息輸入、內(nèi)容理解這4個(gè)方向來(lái)探知受眾的訪(fǎng)問(wèn)風(fēng)格特征。根據(jù)受眾的問(wèn)卷作答情況，量表將結(jié)果屬于單個(gè)維度左側(cè)的標(biāo)記為a，右側(cè)的標(biāo)記為b，通過(guò)數(shù)值累加和“(較大數(shù)-較小數(shù))+較大數(shù)字母”的規(guī)則來(lái)推斷訪(fǎng)問(wèn)風(fēng)格屬性；同時(shí)，為處理因過(guò)于接近而判斷模糊的問(wèn)題，將處于{3a、2a、a、b、2b、3b}區(qū)間的標(biāo)記為“平衡型”。因此，通過(guò)一系列的作答數(shù)據(jù)統(tǒng)計(jì)，可描繪出該受眾初始的訪(fǎng)問(wèn)風(fēng)格屬性值，比如：某受眾，其信息加工為3b、信息感知為5a、信息輸入為7a、內(nèi)容理解為5b，初始化結(jié)果即為{平衡型、感悟型、畫(huà)面型、綜合型}。

2.動(dòng)態(tài)修正過(guò)程

由于Felder-Silverman風(fēng)格量表在評(píng)測(cè)中維度過(guò)于宏觀(guān)，其精度會(huì)存在一定缺陷，并且在問(wèn)卷答題過(guò)程中受眾會(huì)表現(xiàn)出一定程度的主觀(guān)隨意性，所以上述初始化結(jié)果并不能準(zhǔn)確反映受眾真實(shí)的訪(fǎng)問(wèn)風(fēng)格屬性。行為是受眾偏好方式的外在顯化，分析、提煉、積累、挖掘受眾與資源交互中的有效特征行為，將有利于推斷出真實(shí)的受眾訪(fǎng)問(wèn)風(fēng)格參量，從而完成動(dòng)態(tài)的修正過(guò)程。

受眾在對(duì)非遺視頻的選擇過(guò)程中，經(jīng)常會(huì)依據(jù)自身偏好做出視頻類(lèi)型的優(yōu)先序列組合，即表明非遺視頻形態(tài)與訪(fǎng)問(wèn)風(fēng)格維度之間存在一定的前因后果規(guī)律。為了清晰地呈現(xiàn)該因果概率的關(guān)系，本文采用貝葉斯網(wǎng)絡(luò)來(lái)實(shí)施以上不確定性事件的推理過(guò)程。依據(jù)訪(fǎng)問(wèn)風(fēng)格維度的劃分，同時(shí)結(jié)合非遺視頻在表述形態(tài)、內(nèi)容組織以及信息導(dǎo)向中的貢獻(xiàn)大小，可確立如圖6所示的訪(fǎng)問(wèn)風(fēng)格貝葉斯網(wǎng)絡(luò)有向無(wú)環(huán)圖。

受眾行為具有多維性，在遵循“重點(diǎn)突出、力求簡(jiǎn)潔”的原則下，經(jīng)過(guò)比較與權(quán)衡可選取“點(diǎn)擊次數(shù)”和“訪(fǎng)問(wèn)時(shí)長(zhǎng)”作為其核心基元。點(diǎn)擊次數(shù)，凸顯了受眾興趣的外在表現(xiàn)，包含對(duì)視頻、導(dǎo)航、按鈕、熱區(qū)的操作計(jì)數(shù)；訪(fǎng)問(wèn)時(shí)長(zhǎng)，強(qiáng)調(diào)了興趣的持續(xù)跨度，包含對(duì)特定視頻瀏覽、論壇閱讀和導(dǎo)航停留的時(shí)間長(zhǎng)度。為簡(jiǎn)化貝葉斯網(wǎng)絡(luò)的推理過(guò)程及呈現(xiàn)邏輯細(xì)節(jié)，本文以信息輸入維度為例，分別從“紀(jì)實(shí)”與“訪(fǎng)談”視頻出發(fā)，同時(shí)結(jié)合受眾特征行為，可得到如圖7所示反映信息輸入維度中各種概率關(guān)系的貝葉斯有向無(wú)環(huán)圖。

概率關(guān)系是下級(jí)指標(biāo)對(duì)上級(jí)維度的影響權(quán)重，經(jīng)過(guò)相關(guān)文獻(xiàn)的梳理與歸納，可分別標(biāo)注出如表2、表3、表4中所示的諸條件概率參考值。

表3 “訪(fǎng)談”類(lèi)視頻條件概率表

表4 信息輸入條件概率表

上述各表中條件概率參數(shù)的取值，表示了在某狀態(tài)的前提下，另一相關(guān)事件發(fā)生的可能性。比如：表2中，P2=1和P1=1，表示“紀(jì)實(shí)”類(lèi)視頻訪(fǎng)問(wèn)的時(shí)間長(zhǎng)且頻率高，意味著該受眾偏愛(ài)“紀(jì)實(shí)”類(lèi)資源，所以P5=1的賦值較高；P2=1和P1=0，表示該類(lèi)視頻訪(fǎng)問(wèn)時(shí)間長(zhǎng)，但點(diǎn)擊次數(shù)少，可能是專(zhuān)注于某一個(gè)視頻，或者處于暫停狀態(tài)，所以P5取中間值。同理，可依次得到其他情境中的條件概率參考值。

為完成動(dòng)態(tài)的定量推理過(guò)程，還需將受眾特征行為數(shù)據(jù)轉(zhuǎn)化成與之相匹配的先驗(yàn)概率值。比如，初始化為“平衡型”的某受眾，經(jīng)過(guò)一段時(shí)間，其對(duì)紀(jì)實(shí)類(lèi)視頻共瀏覽6次、訪(fǎng)談?lì)悶?次、紀(jì)實(shí)類(lèi)時(shí)長(zhǎng)為5小時(shí)、訪(fǎng)談?lì)悶?.2小時(shí)。利用加權(quán)平均計(jì)算，可確定該受眾的先驗(yàn)概率取值，分別為：P(P1=1)=0.86、P(P2=1)=0.96、P(P3=1)=0.14、P(P4=1)=0.04；P(P1=0)=0.14、P(P2=0)=0.04、P(P3=0)=0.86、P(P4=0)=0.96。

將以上數(shù)據(jù)分別代入貝葉斯全概率公式，即：

可得：P(P7=0)=0.904；P(P7=1)=0.096。

在終端的維度偏向判定中，可設(shè)置合理的比例來(lái)比較兩參數(shù)之間的差距。對(duì)于以上結(jié)果，因P(P7=0)> [P(P7=1)*1.5]，可推斷出該受眾的信息輸入維度偏向左側(cè)，即屬于“畫(huà)面型”。同理，亦可修正其他維度中訪(fǎng)問(wèn)風(fēng)格的初始化參數(shù)。

(三)認(rèn)知狀態(tài)解析策略

受眾對(duì)非遺內(nèi)容的認(rèn)知過(guò)程以單個(gè)知識(shí)點(diǎn)為線(xiàn)索，通過(guò)“點(diǎn)”的突破以達(dá)到“面”的積累。為此，在知識(shí)點(diǎn)認(rèn)知狀態(tài)的刻畫(huà)中，應(yīng)將重點(diǎn)放在內(nèi)容、目標(biāo)和掌握情況這三個(gè)方面。其中內(nèi)容闡述通過(guò)知識(shí)點(diǎn)本身和相互關(guān)聯(lián)屬性來(lái)說(shuō)明，認(rèn)知目標(biāo)通過(guò)認(rèn)知等級(jí)和難度層次來(lái)為智能判斷提供依據(jù)，掌握情況更多反映出瀏覽過(guò)程、測(cè)試狀態(tài)、掌握程度和能力水平的變化。另外，為方便計(jì)算機(jī)建模和信息處理，還應(yīng)當(dāng)明確各參數(shù)的字母標(biāo)識(shí)、數(shù)據(jù)類(lèi)型、值域范圍和初始賦值，具體如表5所示。

表5 以知識(shí)點(diǎn)為單位的認(rèn)知狀態(tài)初始化參數(shù)說(shuō)明表

隨著對(duì)內(nèi)容的深入了解，受眾認(rèn)知狀態(tài)會(huì)發(fā)生變化，特別體現(xiàn)在能力水平上。為及時(shí)監(jiān)測(cè)和評(píng)估受眾在該方面的變化，一般采用知識(shí)點(diǎn)后測(cè)的方式，并通過(guò)“累計(jì)積分”的方法來(lái)分析數(shù)據(jù)。后測(cè)試題項(xiàng)，由領(lǐng)域?qū)＜腋鶕?jù)項(xiàng)目反應(yīng)模型并結(jié)合具體內(nèi)容來(lái)給出，以3-5項(xiàng)為宜，并采用難度平均分配的標(biāo)準(zhǔn)。表6列舉出了認(rèn)知目標(biāo)為“分析”的某大學(xué)生在單個(gè)知識(shí)后測(cè)中的得分和實(shí)際累計(jì)積分情況。

表6 某受眾的測(cè)試狀態(tài)和實(shí)際累計(jì)積分統(tǒng)計(jì)表

為準(zhǔn)確衡量該受眾在能力水平上是否達(dá)到對(duì)應(yīng)的認(rèn)知等級(jí)，可比較“實(shí)際累計(jì)積分值/積分參考值”與“平均難度系數(shù)/難度閾值跨度”的數(shù)值比例大小。比如表7中，“分析”維度的積分比值為0.667，平均難度系數(shù)與閾值最大值的比值為0.889，因0.667>0.889*2/3，所以該受眾達(dá)到“分析”的能力要求；而“綜合”維度積分比值為0.333，平均難度系數(shù)與閾值最大值的比值為0.896，因0.333<0.896*2/3，所以該受眾沒(méi)有達(dá)到“綜合”的能力要求。

所以，通過(guò)以上數(shù)據(jù)計(jì)量的方法，可以準(zhǔn)確地評(píng)估受眾在認(rèn)知狀態(tài)中的動(dòng)態(tài)變化，并為智能診斷和策略調(diào)整提供數(shù)理支撐。

五、智能傳播引擎實(shí)施策略

經(jīng)過(guò)資源結(jié)構(gòu)化組織與受眾個(gè)性特征解析過(guò)程后，智能傳播的實(shí)現(xiàn)打下了夯實(shí)的基礎(chǔ)，下一步將要重點(diǎn)研究智能引擎模型設(shè)計(jì)、內(nèi)容智能生成以及資源智能調(diào)整等問(wèn)題的解決思路。

(一)智能傳播引擎模型設(shè)計(jì)

智能傳播引擎，是實(shí)現(xiàn)對(duì)非遺視頻資源智能傳播功能的關(guān)鍵驅(qū)動(dòng)模塊。在整體模型框架設(shè)計(jì)中，應(yīng)當(dāng)以?xún)?nèi)容需求和目標(biāo)定位為前提，在充分理解核心數(shù)據(jù)采集與挖掘、資源有效調(diào)用與布局、策略智能應(yīng)用與調(diào)整等原理的基礎(chǔ)上，通過(guò)對(duì)受資交互、認(rèn)知診斷、信息反饋、資源修正等過(guò)程與細(xì)節(jié)的探討，來(lái)揭示智能傳播的內(nèi)在規(guī)律。因此，本文結(jié)合對(duì)傳播中諸要素及其相互作用機(jī)理的綜合分析，設(shè)計(jì)了非遺視頻資源智能傳播引擎的整體模型，具體架構(gòu)如圖8所示。

圖8 智能傳播引擎的模型架構(gòu)示意圖

以上模型，分別從數(shù)據(jù)挖掘、數(shù)據(jù)處理、數(shù)據(jù)反饋這三個(gè)角度，詳細(xì)說(shuō)明了智能傳播中關(guān)于需求定位與內(nèi)容生成、資源匹配與受眾交互、認(rèn)知診斷與資源調(diào)整的整個(gè)過(guò)程。

首先，受眾利用知識(shí)圖譜中熱區(qū)的點(diǎn)擊或搜索單元中關(guān)鍵詞的輸入來(lái)進(jìn)行需求表達(dá)，引擎將根據(jù)非遺視頻領(lǐng)域本體的資源數(shù)據(jù)，完成相關(guān)單元的檢索與調(diào)用。在內(nèi)容生成中，為突出受眾間興趣的相似性和內(nèi)容間知識(shí)的關(guān)聯(lián)性，引擎將結(jié)合受眾對(duì)視頻元的評(píng)分?jǐn)?shù)據(jù)以及相關(guān)的元數(shù)據(jù)和語(yǔ)義關(guān)聯(lián)數(shù)據(jù)，采用“基于受眾”和“基于內(nèi)容”的混合式協(xié)同過(guò)濾算法，分別從受眾相似性和內(nèi)容關(guān)聯(lián)性?xún)煞矫嫔珊蜻x視頻單元集合，并通過(guò)預(yù)測(cè)評(píng)分計(jì)算產(chǎn)生最接近的TOP-N資源推薦列表。

其次，混合式協(xié)同過(guò)濾算法生成的資源表單與受眾個(gè)性并不完全匹配，還需結(jié)合訪(fǎng)問(wèn)風(fēng)格維度，對(duì)推薦表單進(jìn)行重組與排列。同時(shí)，為提升資源生成精度，在受眾與資源的交互情境中，可創(chuàng)設(shè)“點(diǎn)贊”、“分享朋友圈”、“轉(zhuǎn)發(fā)微信”、“發(fā)表評(píng)論”環(huán)節(jié)以捕獲顯式評(píng)分?jǐn)?shù)據(jù)，通過(guò)對(duì)瀏覽次數(shù)、訪(fǎng)問(wèn)時(shí)長(zhǎng)等特征行為的挖掘以生成隱式評(píng)分?jǐn)?shù)據(jù)。

再次，在一個(gè)單元訪(fǎng)問(wèn)結(jié)束后，引擎將調(diào)用相應(yīng)的后測(cè)試題集對(duì)受眾認(rèn)知情況進(jìn)行評(píng)測(cè)，其結(jié)果將反饋并記錄于認(rèn)知掌握狀態(tài)數(shù)據(jù)庫(kù)中。經(jīng)過(guò)與預(yù)設(shè)目標(biāo)的比對(duì)，通過(guò)的受眾可直接進(jìn)入下一非遺視頻單元；不通過(guò)的受眾，則需進(jìn)行一定的認(rèn)知補(bǔ)償，即使用“難度過(guò)濾”以降低相同內(nèi)容的難度系數(shù)，直至通過(guò)評(píng)測(cè)為止。

智能傳播引擎是一個(gè)有機(jī)的整體，為保障其高效運(yùn)轉(zhuǎn)，重點(diǎn)在于如何提升推薦算法精度以達(dá)到內(nèi)容智能生成效果，難點(diǎn)在于如何適應(yīng)受眾特性以達(dá)到資源智能調(diào)整目標(biāo)。

(二)內(nèi)容智能生成策略

在相關(guān)聯(lián)的內(nèi)容提取中，僅依靠受眾對(duì)資源的喜好評(píng)價(jià)會(huì)導(dǎo)致數(shù)據(jù)稀疏性問(wèn)題，僅根據(jù)有效行為的數(shù)據(jù)挖掘也不足以描繪出受眾興趣以及各視頻間的邏輯關(guān)系。所以，為進(jìn)一步提高內(nèi)容生成的精度，除利用好顯式、隱式評(píng)分?jǐn)?shù)據(jù)外，還應(yīng)當(dāng)多元化地審視受眾對(duì)內(nèi)容的興趣表達(dá)，并采用交叉、復(fù)合的方法做好特征數(shù)據(jù)的量化與混合。經(jīng)過(guò)綜合比較，本文選用對(duì)視頻元評(píng)分、瀏覽次數(shù)、訪(fǎng)問(wèn)時(shí)間、受眾興趣與知識(shí)特征相似性這四個(gè)特征維度，并通過(guò)數(shù)據(jù)矩陣的制定來(lái)完成混合式推薦算法的數(shù)據(jù)輸入，具體過(guò)程如下：

1.“受眾—視頻元”評(píng)分矩陣

受眾對(duì)視頻元的評(píng)分行為反映了其對(duì)視頻內(nèi)容的喜好程度，可通過(guò)統(tǒng)計(jì)交互過(guò)程中點(diǎn)擊“點(diǎn)贊”、“轉(zhuǎn)發(fā)”、“分享”等按鈕的次數(shù)來(lái)得到。假設(shè)受眾集合為U={u1，u2，u3，…，um}，視頻元集合為I={i1，i2，i3，…，in}，以受眾集合為縱軸、視頻元集合為橫軸，具有點(diǎn)擊行為標(biāo)注為1，不具行為標(biāo)注為0，這樣可得到一個(gè)m*n的二維矩陣，記為Rm×n。

2.“受眾—視頻類(lèi)別”瀏覽次數(shù)比例矩陣

瀏覽次數(shù)，是通過(guò)單類(lèi)視頻的訪(fǎng)問(wèn)頻率來(lái)反映受眾興趣。對(duì)于紀(jì)實(shí)、情境、訪(fǎng)談、解說(shuō)、細(xì)節(jié)這5種非遺視頻，假設(shè)a為其中一類(lèi)，用Iua表示單個(gè)受眾對(duì)a類(lèi)視頻的瀏覽次數(shù)，用Iu表示該受眾對(duì)所有視頻的瀏覽次數(shù)。為表示某類(lèi)視頻的瀏覽次數(shù)比例，采取Iua除以Iu的規(guī)則，即可得到橫坐標(biāo)為受眾、縱坐標(biāo)為視頻類(lèi)別的i*5矩陣，記為Pua。

3.“受眾—視頻類(lèi)別”訪(fǎng)問(wèn)時(shí)間比例矩陣

瀏覽次數(shù)比例矩陣僅表達(dá)了歷史中的受眾訪(fǎng)問(wèn)興趣狀態(tài)，但引入訪(fǎng)問(wèn)時(shí)間參數(shù)，可更真實(shí)地動(dòng)態(tài)反映受眾當(dāng)前的興趣點(diǎn)。在矩陣生成中，采用起始訪(fǎng)問(wèn)時(shí)間與當(dāng)前時(shí)間的差值來(lái)表示訪(fǎng)問(wèn)時(shí)間跨度，對(duì)a類(lèi)視頻，用Tua表示某受眾訪(fǎng)問(wèn)該類(lèi)視頻的時(shí)間跨度總和，用Tu表示該受眾所有視頻類(lèi)別的時(shí)間跨度。為呈現(xiàn)某類(lèi)視頻的訪(fǎng)問(wèn)時(shí)間比例，將Tua除以Tu，即可得到一個(gè)j*5的j名受眾在不同類(lèi)型視頻的訪(fǎng)問(wèn)時(shí)間比例矩陣，記為Sua。

4.知識(shí)特征與受眾興趣相似度矩陣

知識(shí)特征可說(shuō)明視頻元在非遺內(nèi)容中的屬性，受眾興趣可通過(guò)評(píng)分比重來(lái)反映對(duì)某內(nèi)容視頻的偏好程度，將兩者進(jìn)行相似程度比較，可以更好地從內(nèi)容關(guān)聯(lián)角度提煉受眾期望的視頻元序列。

對(duì)知識(shí)特征的描述可按照逐級(jí)細(xì)化方式，分別從非遺屬類(lèi)、項(xiàng)目名稱(chēng)、視頻形態(tài)、內(nèi)容層次來(lái)展開(kāi)，即包括{[民俗、民間文學(xué)、傳統(tǒng)音樂(lè)、傳統(tǒng)舞蹈、傳統(tǒng)戲劇、曲藝、雜技與競(jìng)技、傳統(tǒng)美術(shù)、傳統(tǒng)技藝、傳統(tǒng)醫(yī)藥]、[項(xiàng)目名稱(chēng)]、[事件紀(jì)實(shí)、細(xì)節(jié)展演、畫(huà)外解說(shuō)、情境再現(xiàn)、人物評(píng)述]、[內(nèi)容事件、活動(dòng)事件、步驟演示、典型人物……]}這33個(gè)關(guān)鍵點(diǎn)。通過(guò)空間向量表示的方法，可采用分段函數(shù)來(lái)標(biāo)記知識(shí)特征中的各維度權(quán)重，如果具備該屬性就在對(duì)應(yīng)位置標(biāo)注“1”，不具備就標(biāo)注為“0”。這樣，可得到一個(gè)j*33的知識(shí)特征二維矩陣，記為Vj={(t1，wj1)，(t2，wj2)，(t3，wj3)，…，(tn，wjn)}。同樣的道理，運(yùn)用受眾對(duì)知識(shí)特征單項(xiàng)的評(píng)分之和除以全部項(xiàng)目評(píng)分總和的方法，可得一個(gè)i*33的受眾興趣二維矩陣，記為Ui={(t1，wi1)，(t2，wi2)，(t3，wi3)，…，(tm，wim)}。因向量Ui與Vj具有相同維數(shù)，利用余弦相似度計(jì)算，就可得到一個(gè)表達(dá)知識(shí)特征受眾興趣的相似度矩陣，記為Bm×n。

以上述構(gòu)建的四個(gè)矩陣為基礎(chǔ)，就可進(jìn)行相關(guān)數(shù)據(jù)的交叉與混合。在“基于受眾”的列表生成中，為解決瀏覽次數(shù)比例和訪(fǎng)問(wèn)時(shí)間比例矩陣不同維的問(wèn)題，可引入興趣函數(shù)intr(u，a)，通過(guò)設(shè)置比例權(quán)重系數(shù)θ(為平衡起見(jiàn)，一般取值為0.5)，來(lái)實(shí)現(xiàn)次數(shù)和時(shí)間這兩個(gè)矩陣的線(xiàn)性相加；可引入興趣相似性函數(shù)intr_cmp(u，v)，來(lái)完成受眾對(duì)單個(gè)視頻元興趣的相似度比較，并得到與評(píng)分矩陣同維的m*n矩陣；使用Pearson相似度系數(shù)，通過(guò)同維的興趣相似性函數(shù)與“受眾-視頻元”評(píng)分矩陣相乘，并復(fù)用“基于受眾”的協(xié)同過(guò)濾算法，即可得到受眾可能喜歡的視頻元表單。在“基于內(nèi)容”的列表生成中，采用分段函數(shù)將數(shù)據(jù)稀疏的評(píng)分矩陣與“受眾興趣-知識(shí)特征”相似度矩陣進(jìn)行疊加，可得到新的“受眾—視頻元”評(píng)分矩陣Cm×n，然后進(jìn)行內(nèi)容關(guān)聯(lián)的視頻元間相似度比較，并復(fù)用“基于內(nèi)容”的協(xié)同過(guò)濾算法，即可得到內(nèi)容關(guān)聯(lián)的視頻元表單。以上兩條路徑的數(shù)據(jù)混合與計(jì)算過(guò)程可參見(jiàn)圖9所示。

圖9 內(nèi)容智能生成的數(shù)據(jù)混合與計(jì)算過(guò)程

(三)資源智能調(diào)整策略

為了更好地使受眾獲得豐富的智能交互體驗(yàn)，還需對(duì)生成的資源進(jìn)行一系列整合，主要是調(diào)整視頻元的呈現(xiàn)順序以符合當(dāng)前受眾的訪(fǎng)問(wèn)習(xí)慣、調(diào)整知識(shí)的難度系數(shù)以匹配當(dāng)前受眾的認(rèn)知狀態(tài)。

混合式協(xié)同過(guò)濾在視頻資源的生成中存在一定的局限，其最小推薦單位只能聚焦到單個(gè)非遺知識(shí)點(diǎn)上。但對(duì)于單個(gè)知識(shí)點(diǎn)來(lái)說(shuō)，其下還可按敘事角度的變化細(xì)分出多個(gè)不同表述形態(tài)的非遺視頻元。比如：民間文學(xué)項(xiàng)目《黑暗傳》中的“盤(pán)古開(kāi)天”知識(shí)點(diǎn)，下面就包含了“喪事現(xiàn)場(chǎng)紀(jì)實(shí)”、“完整唱腔演述”、“故事真人情境演繹”、“唱本傳承歷史解說(shuō)”、“代表性傳承人訪(fǎng)談”、“領(lǐng)域?qū)＜尹c(diǎn)評(píng)”等非遺視頻元。這就需要采用恰當(dāng)策略，來(lái)實(shí)施對(duì)諸多非遺視頻元呈現(xiàn)順序的調(diào)整。在前文受眾個(gè)性的訪(fǎng)問(wèn)風(fēng)格定位基礎(chǔ)上，為便于計(jì)算機(jī)對(duì)標(biāo)簽數(shù)據(jù)的載入、分析與處理，可將風(fēng)格維度左側(cè)的屬性標(biāo)記為“0”、右側(cè)標(biāo)記為“1”，即用不同的二進(jìn)制編碼代表不同的受眾訪(fǎng)問(wèn)風(fēng)格。例如，訪(fǎng)問(wèn)風(fēng)格為{活躍型、直覺(jué)型、畫(huà)面型}的受眾，可簡(jiǎn)化為{010}。按訪(fǎng)問(wèn)風(fēng)格的定義，每種風(fēng)格屬性都對(duì)應(yīng)著不同的視頻偏好，將固定的視頻形態(tài)進(jìn)行編碼，即可產(chǎn)生與受眾相匹配的視頻呈現(xiàn)序列，具體操作可參見(jiàn)表7。因此，訪(fǎng)問(wèn)風(fēng)格為{010}的受眾，其視頻偏好順序?yàn)閧451}，在“盤(pán)古開(kāi)天”單元呈現(xiàn)中可采用{唱腔演述、傳承人訪(fǎng)談、專(zhuān)家點(diǎn)評(píng)、喪事現(xiàn)場(chǎng)、真人演繹、歷史解說(shuō)}的視頻序列。

表7 訪(fǎng)問(wèn)風(fēng)格維度與視頻偏好關(guān)系映射表

另外，資源的調(diào)整還應(yīng)體現(xiàn)在知識(shí)難度的智能上下浮動(dòng)上。為了更符合受眾直觀(guān)感受，提升難度系數(shù)的智適應(yīng)調(diào)整能力，可利用基于深度學(xué)習(xí)的循環(huán)神經(jīng)網(wǎng)絡(luò)。在資源的組織中，每一個(gè)非遺視頻元都標(biāo)注有對(duì)應(yīng)的難度系數(shù)，多個(gè)富有難度梯度的知識(shí)點(diǎn)共同組成了一個(gè)非遺知識(shí)單元。為培育循環(huán)神經(jīng)網(wǎng)絡(luò)的難度系數(shù)智能調(diào)整能力，在訓(xùn)練樣本的初始采集中，可由領(lǐng)域?qū)＜胰虆⑴c并指導(dǎo)，采用隨機(jī)抽取的方式完成資源的初始布局。然后，根據(jù)受眾的訪(fǎng)問(wèn)內(nèi)容和認(rèn)知狀態(tài)，人工調(diào)整并指定與之相匹配的具有不同難度層次的非遺視頻元，對(duì)已通過(guò)的知識(shí)點(diǎn)，下一單元可適當(dāng)?shù)靥岣咂骄y度，對(duì)未通過(guò)的知識(shí)點(diǎn)，則調(diào)用低于平均難度等級(jí)的視頻資源。經(jīng)過(guò)一定量的積累，即可得到較為全面的難度系數(shù)調(diào)整訓(xùn)練集。最后，導(dǎo)入訓(xùn)練集樣本數(shù)據(jù)，通過(guò)設(shè)定神經(jīng)網(wǎng)絡(luò)的層數(shù)和形態(tài)，完成網(wǎng)絡(luò)訓(xùn)練以達(dá)一定的智能調(diào)整精度。

對(duì)于學(xué)習(xí)后的循環(huán)神經(jīng)網(wǎng)絡(luò)，即可用于對(duì)樣本集外的受眾進(jìn)行難度等級(jí)的智能匹配。當(dāng)然，該受眾的難度調(diào)整反饋數(shù)據(jù)，也可添加入先前的訓(xùn)練樣本數(shù)據(jù)集中，繼而不斷地優(yōu)化神經(jīng)網(wǎng)絡(luò)的難度調(diào)整精度。

結(jié)語(yǔ)

以智能化視野開(kāi)展對(duì)非遺視頻資源的傳播研究，是一項(xiàng)較為前沿的課題。本文在系統(tǒng)梳理相關(guān)研究經(jīng)驗(yàn)和成果的基礎(chǔ)上，通過(guò)對(duì)傳播核心要素中內(nèi)部作用機(jī)制和外部影響原理的系統(tǒng)分析，分別從非遺視頻資源組織、受眾個(gè)性特征解析、智能傳播處理引擎這三個(gè)方面構(gòu)建出了非遺視頻資源智能傳播的整體模式。為了更為深入、有效、準(zhǔn)確、智能地實(shí)施整個(gè)傳播過(guò)程，在內(nèi)容上以最小粒度的非遺視頻元為組織單位，通過(guò)對(duì)非遺視頻敘事邏輯和形態(tài)本質(zhì)的剖析，從概念層次、元數(shù)據(jù)描述、語(yǔ)義標(biāo)注層面探索了數(shù)據(jù)關(guān)聯(lián)與可視表達(dá)的方法；在對(duì)象上明確目標(biāo)主體類(lèi)別，通過(guò)提煉共性特征維度并采用行為挖掘和定量分析的策略，形成了基于訪(fǎng)問(wèn)風(fēng)格和認(rèn)知狀態(tài)初始設(shè)置與動(dòng)態(tài)修正的具體思路；在引擎驅(qū)動(dòng)上，結(jié)合數(shù)據(jù)的交換與反饋過(guò)程，分別從內(nèi)容智能生成與資源智能調(diào)整兩方面給出了具體的方案細(xì)則。

以上諸多工作，為非遺視頻資源智能傳播的實(shí)現(xiàn)提供了一定參考思路和借鑒經(jīng)驗(yàn)，但在平臺(tái)的開(kāi)發(fā)、應(yīng)用以及針對(duì)具體非遺案例所開(kāi)展的智能傳播效果評(píng)測(cè)上還略顯不足。所以，下一步的研究重心將集中于非遺具體案例的應(yīng)用實(shí)踐，同時(shí)深入拓展對(duì)受眾情境體驗(yàn)的量化評(píng)估。

注釋

①習(xí)近平:《決勝全面建成小康社會(huì) 奪取新時(shí)代中國(guó)特色社會(huì)主義偉大勝利》,北京：人民出版社，2017年，第51-52頁(yè)。

②《中共中央辦公廳 國(guó)務(wù)院辦公廳印發(fā)〈關(guān)于實(shí)施中華優(yōu)秀傳統(tǒng)文化傳承發(fā)展工程的意見(jiàn)〉》,2017年1月25日，http://www.xinhuanet.com/politics/2017-01/25/c_1120383155.htm,2020年11月18日。

③B. Murtha， “Practical Issues in Applying Metadata Schemas and Controlled Vocabularies to Cultural Heritage Information，”Cataloging&ClassificationQuarterly， vol.36, no.3-4, 2018，pp.47-55．

④Noriko Kando and Jun Adachi, “Cultural Heritage Online:Information Access across Heterogeneous Cultural Heritage in Japan，” http://www.kc.tsukuba.ac jpdlkc e-proceedings/papers/d1kc04pp 136．

⑤A. Mallik， S. Chaudhury and H. Ghosh， “Nrityakosha:Preserving the Intangible Heritage of Indian Classical Dance，”JournalonComputing&CulturalHeritage， vol.4, no.3, 2017， pp.1-25．

⑥參見(jiàn)翟?shī)檴櫍骸痘陉P(guān)聯(lián)數(shù)據(jù)的非物質(zhì)文化遺產(chǎn)資源聚合研究》,北京：科學(xué)出版社，2015年。

⑦董坤、謝守美：《基于關(guān)聯(lián)數(shù)據(jù)的MOOC資源語(yǔ)義化組織與聚合研究》,《情報(bào)雜志》2016年第6期。

⑧徐雷、王曉光：《敘事型圖像語(yǔ)義標(biāo)注模型研究》,《中國(guó)圖書(shū)館學(xué)報(bào)》2017年第5期。

⑨侯西龍、談國(guó)新等：《非物質(zhì)文化遺產(chǎn)視頻語(yǔ)義標(biāo)注方法研究》,《情報(bào)科學(xué)》2018年第11期。

⑩陳丹、柳益君、羅燁、錢(qián)秀芳、吳智勤：《基于用戶(hù)畫(huà)像的圖書(shū)館個(gè)性化智慧服務(wù)模型框架構(gòu)建》，《圖書(shū)館工作與研究》2019年第6期。