人工智能在下一代广播电视网中的应用

作者：张立嘉

来源：《科技创新与生产力》 2015年第8期

张立嘉

（黑龙江省新闻出版广电局安全播出调度中心，黑龙江 哈尔滨 150090）

摘 要：本文介绍了中国下一代广播电视网的概念、结构、功能、性能指标，介绍了人工智能技术的相关概念、重要方法。针对下一代广播电视网平台提出了可能的人工智能技术运用，并对在下一代广播电视网中实现人工智能应用的关键技术做了分析。

关键词：人工智能；数据挖掘；机器学习

中图分类号：TN948 文献标志码：A DOI：10.3969/j.issn.1674-9146.2015.08.040

收稿日期：２０15－04－08；修回日期：２０15－07－08

作者简介：张立嘉（1983-），女，黑龙江齐齐哈尔人，工程师，主要从事广播电视覆盖工程研究，E-mail：353322565@qq.com。

随着技术的不断发展，人工智能中重要的机器学习技术、数据挖掘技术、模式识别技术得到了广泛应用，发挥了巨大的经济效益、社会效益、安全效益。将人工智能技术运用到下一代广播电视网将对广播电视事业产生不可估量的效用。为此，笔者通过分析下一代广播电视网的概念和总体目标、功能和性能指标，介绍了人工智能相关概念、关键技术、成功应用的案例。对如何将人工智能技术运用到下一代广播电视网承载平台，对可能的人工智能在广播电视领域中的应用做了前瞻分析，以期抛砖引玉。

1 中国下一代广播电视网络

下一代广播电视网（Next Generation Broadcasting Network，NGB）的建设目标是：以有线电视网数字化整体转换和移动多媒体广播（CMMB）的成果为基础，以“高性能宽带信息网

（3TNet）”自主创新的核心技术为支撑，开发适合我国国情“三网融合”的，有线无线相结合、全程全网的中国下一代广播电视网技术体系，突破相关核心技术，开发成套装备，建设覆盖全国主要城市的示范网，形成符合中国下一代广播电视网技术与产业需求的可持续发展创新平台和管理机制，为最终建成中国下一代广播电视网奠定基础。NGB的建设思路只是对NGB的概貌做了描述，随着技术和产业发展，NGB具有以下特点：一是分布式结构；二是区域网络对等互联；三是采用自主创新的网络技术；四是实现全程全网、可管可控；五是支持跨域广播电视、宽带数据、话音等“三网融合”的全媒体业务；六是骨干网、城域网传输、路由、交换能力达到Tbit/s级，用户接入带宽可达100 Mbit/s [1]。

下一代广播电视网具备可管理、可追踪、可交互、可沟通、可控制、可迁移、可定制、可漫游、可扩展、可运营、可联网、可互通等特点。同时在性能指标上还满足以下特点：一是下一代广播电视网以高性能宽带信息网为技术基础，借鉴并使用了IP技术。二是网络传输速率及路由交换能力达到Tbit/s量级。三是构建扁平式的边缘网络架构，直接将高速网推到楼头甚至用户门口。四是以无源光网络和缆桥技术为主要接入方式，不需要改变现有的有线电视网络和用户接入电缆，接入数据速率将达40~100 Mbit/s。

2 人工智能

人工智能（Artificial Intelligence，AI）亦称机器智能，是指由人工制造出来的系统所表现出来的智能。人工智能集中了控制论、信息论、计算机科学、数理逻辑、模糊数学、神经生理学等诸多学科。其中一些关键技术如机器学习、模式识别、数据挖掘均经历了学者研究的几次高峰和低谷。应该说人工智能只是对各种科学原理、技术手段、优化算法的一种运用，具体可以用机器学习、模式识别、数据挖掘等领域中相关的原理、方法、算法来实现[2-4]。下面介绍一些相关的重要概念。

2.1 模糊控制

模糊控制是20世纪70年代发展起来的基于模糊数学的控制技术。模糊控制具有无需知道被控对象数学模型、可以反映人类思维方式智能控制、控制规则易于理解、构造容易、高鲁棒性等优势。在实际的控制系统中受控对象越来越复杂，表现为：多输入多输出、时变性、耦合、时滞、非线性、不确定性。诸如此类的复杂系统，由于无法建立系统的精确数学模型，从而使得传统的控制理论无法得较好的控制效果。模糊控制对系统的输入模型没有数学模型要求、对系统内部参数的较强适应能力、算法简单，执行快，容易实现等特点使得模糊控制成为解决这一问题的有力手段。

2.2 数据挖掘

数据挖掘是数据库知识发现中的一个步骤。数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程。数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情

报检索、机器学习、专家系统（依靠过去的经验法则）和模式识别等诸多方法来实现上述目标。

2.3 机器学习

机器学习（Machine Learning，ML）是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎。机器学习常用的技术方法有：决策树、人工神经网络、贝叶斯学习方法、支持向量机、遗传算法、分析学习等。值得特别说明的是近年来随着神经网络深度学习方式的深入研究，在人脸识别、声音识别等应用上取的了很好的效果。

2.4 模式识别

模式识别，通过计算机用数学技术方法来研究模式的自动处理和判读。这样把环境与客体统称为“模式”。信息处理过程的一个重要形式是生命体对环境及客体的识别。模式识别是指对表征事物或现象的各种形式的（数值的、文字的和逻辑关系的）信息进行处理和分析，以对事物或现象进行描述、辨认、分类和解释的过程，在具体的方法上与机器学习有很高的耦合度，是信息科学和人工智能的重要组成部分。

2.5 智能优化算法

随着20世纪70年代初期计算复杂性理论的形成，科学工作者发现并证明了大量来源于实际的组合最优化问题是非常难解的问题，即所谓的NP完全和NP难问题，20世纪80年代初期，应运而生了一系列现代优化计算方法，如遗传算法、蚁群算法、禁忌搜索、粒子群算法等。

3 人工智能在下一代广播电视网中的应用分析

1）个性化的产品推送与订制。现有的广播电视网络支持用户的频道付费购买功能，这种模型很大程度上对用户的分类划分粒度不够精细，造成了用户资源浪费和潜在的用户流失等弊端。

如果可以根据用户的收视习惯对用户行为特征进行更精确的分类与统计，提供个性化的节目订制与推送，将会对广播电视行业产生重要的指导和巨大的经济利益。当用户浏览商品、搜索网页时系统可以根据用户行为对用户进行分类，再通过行为特征的比较，将适合用户的商品或者网页推送予用户，实现商品或信息的精准推送，优化了搜索过程同时给用户更好的用户体验。电商数据表明，精确的推送可以极大的提升商品的销售量。下一代广播电视网应该借鉴这种思路，运用成熟的海量数据平台和适合广播电视特点的机器学习方法，针对用户收看电视节目这一行为提取相关要素，形成广播领域自己的推荐系统。

2）广告推送。现有的广播电视广告是广播电视产业重要的运营支撑来源。传统的广播电视广告固化在电视节目中，无法根据节目收视群体的特点发生细粒度的变化。运用机器学习相关技术，针对不同节目和收视群体进行聚类和分类，可以发现不同事物间的相对联系。如观看足球比赛的用户大多数为男性观众，男性观众更倾向于通过广告来了解洗涤用品，观看韩剧的用户大多数为女性观众，女性观众更倾向于通过广告了解汽车。在给用户带来更好的体验感的同时增加了广告效果，从而带来更好的经济效益。

3）用户行为发现。传统的广播电视依靠第三方统计机构来对用户行为进行统计来的出评价指标和一些有意义的结论。基于第三方统计机构进行采样和统计的办法具有很多局限性。在下一代广播电视网中可以通过对大数据平台的使用做到用户数据的实时获取，这样可以得出更为精准的用户行为分析，同时可以从更多角度来审视数据，如城市地区和农村地区的差异，节目开始、节目中、节目尾端用户的行为，从而得出更有力的统计数据来指导产业规划、电视节目制作、节目推送等过程。

4）产品制作指导。如果有了细粒度的用户行为特征，则通过人工智能技术手段不难分析出成功的节目与失败节目的特点。如制作人、编剧、导演、演员对电影的影响，采用原声、中文字幕、是否剪辑版等对电影的影响，灯光、色彩配比、转播镜头选取对节目的影响，这些看似非决定性的客观因素是如何产生对节目的影响，通过机器学习等技术可以对现有的影视产品生产生成新的时代理论与指导方案。

5）舆情。传统的广播电视网是单向的网络，数字电视系统实现了部分用户交互能力。下一代广播电视网络应该可交互的网络，实现用户与资源的多角度，细粒度交互，达到可交互系统的效果。现在很多的视频网站提供用户交互的方法，如观看某电视剧时可以看到其他用户观看到此处时的评论，同时用户也可以发表自己的观点。这种交互方法极大地提高了用户的观看乐趣，同时也带有了一部分用户意见和观点。在下一代广播电视网中增加交互功能，可通过对交互内容的人工智能处理得出用户意见，及时发现热点和相关的舆情观点，对广播电视产业、新闻产业、有着重要意义。

4 关键技术

4.1 云计算技术

云计算是在分布式计算、并行计算和网格计算等技术的基础上发展起来的，是一种新兴的共享基础架构的方法。云计算技术发展到今天已经有了成熟的硬件架构、操作系统、文件系统、数据库、编程模型技术等系统关键部件。具备如下几个特点：一是超大规模；二是虚拟化；三是高可靠性；四是通用性；五是可扩展性；六是按需服务以及廉价透明。目前越来越多的城市、机构、企业构建了属于自己的云计算中心、数据中心，中国下一代广播电视互联网有必要建成海量数据中心，为进一步拓宽业务服务、提升服务质量打下坚实的数据基础。

4.2 非关系型数据库

针对广播电视的丰富的数据类型，数据库系统的横向可扩展性成为上层应用的关键。NoSQL（Not Only SQL），意即“不仅仅是SQL”。非关系型数据库主要有：键值存储数据库、列存储数据库、文档型数据库、图形数据库。适用于数据类型比较简单、高灵活性、结构不一致、给定键值比较容易映射等场景。现在成熟的一些应用如社交网络、互联网舆情、推荐系统均使用非关系型数据库作为必需的数据处理组件。下一代广播电视互联网可以根据应用需要选择符合其数据特点和性能指标的非关系型数据库。

4.3 数据融合处理

由于下一代广播互联网物理上是由多网融合产生的，造成了协议簇的复杂庞大。如何根据下一代广播电视网的特点，科学合理的制订数据传输协议，标准化处理设备、简化处理流程、方便上层应用等问题亟须解决。根据下一代广播电视网人工智能处理方面的需要合理制定相关底层或上层协议如，如何对物理层网络的标注、通信传输过程节点的标注、节目内容组成要素标注等，尽快形成好用、实用的下一代广播互联网协议簇。形成高效、稳定的海量数据融合方法值得深入研究。

4.4 移动互联网技术

随着硬件设备性能以及网络带宽的不断提升，各种手持、穿戴设备越来越普及。当今物联网技术以及工业4.0概念正不断被提及，移动计算已经成为当前研究和产业的热点。下一代广播电视网如何适应新形势下变化，如何结合移动计算技术来发展广播电视事业值得深入研究。当前的移动终端设备有着大量的传感器与各种通信设备，如重力传感器、气压、温度、磁场、蓝牙、红外、Wi-Fi等,有必要开展移动终端应用研究开发，结合人工智能技术，依托大数据技术为下一代广播互联网打开移动互联市场抢占先机。

通过分析，应该看到人工智能技术是一门历史悠久、在当今有重大突破的技术，如果与中国下一代广播电视网结合将会发挥巨大的科技、经济、社会效果。

参考文献：

[1] 邹峰.下一代广播电视网（NGB）的发展趋势[J].广播电视技术,2012(3):21-22.

[2] 李德毅.网络时代人工智能研究与发展[J].智能系统学报,2009(2):77-78.

[3] 李德毅,肖俐平.网络时代的人工智能[J].中文信息学报,2008(3):45-46.

[4] 邹蕾,张先锋.人工智能及其发展应用[J].信息网络安全,2012(2):31-32.

（责任编辑 高 远）