高明 宋石钻
天津云圣智能科技有限责任公司 天津市 300450
摘要：媒体领域的应用创新，是今天人们所期待的，大家都猜测智能媒体会发展到什么样的水平。谈及人工智能对于媒体发展的影响，我们认为“人机共生”是一个非常重要的概念。媒体在人工智能领域的众多实践，每一个创新都是一种精神展现，是一种理念开拓。机器与人、机器与机器的沟通传播，将会成为新时代传播的巨大创新。基于此，本文主要探讨了人工智能语义分析在媒体融合中的应用。
关键词：人工智能；媒体融合；语义分析；新闻采编
引言
传统的媒体多是点对面的传播方式，用户和媒体之间处于低效的单向互动模式中，而人工智能等技术对智能媒体的影响很重要的一点就体现在将这种单向互动变成了良性的双向互动，这也顺应了融媒体时代“内容为壬，用户至上”的法则，有利于培养用户粘性，形成稳定用户群体，也提升了媒体的影响力。
1研究与应用现状
人工智能语义分析技术，主要是利用机器学习和文本挖掘引擎，推出了腾讯智能中文语义分析平台。主要包含分词、文本聚类、情感分析、敏感信息识别、关键词提取、自动摘要等技术。情感分析主要是对新闻在情感上的正向、负向及中性进行评价。在新闻话题监督、口碑分析等新闻传播分析领域具有较为重要的应用价值。这些技术可应用于敏感信息过滤，网络舆情监控等领域。随着技术的不断进步，人工智能和媒体融合还可以实现不同用户人群的精准投递，新闻的自动筛选与编辑，图片信息的自动解读等功能[1]。
2人工智能相关技术
2.1计算机视觉技术
计算机视觉是对图像中的客观对象构建明确而有意义的描述，是从一个或多个数字图像中计算三维世界的特性，是基于感知图像做出对客观对象和场景有用的决策。其实际上是一个跨领域的交叉学科，包括计算机科学(图形、算法、理论、系统、体系结构)、数学(信息检索、机器学习)、工程学(机器人、语音、自然语言处理、图像处理)、物理学(光学)、生物学(神经科学)和心理学(认知科学)等等。由计算机视觉衍生出了人脸识别、图像检索、游戏和控制、监测、生物识别技术、智能汽车等应用领域。
2.2自然语言处理技术
自然语言处理是人工智能研究中最重要也最为活跃的一个研究领域，其最终目标是在弄清人类自然语言理解和生成奥秘的基础上，让机器模拟、延伸、拓展甚至超越这种能力。自然语言处理这一AI研究领域的任务就是建造能模拟人类语言能力的机器系统[2]。
2.3视频语义分析技术
视频语义分析是指对视频中所包含的语义成分进行信息提取的过程。视频语义分析属于交叉学科的研究课题，涉及到图像处理，视频数据处理、模式识别、机器学习等多个领域。视频语义分析要从视觉和声音两方面对视频内容进行描述和表征。
2.4视频生成技术
视频生成是视频分析的一项重要任务，侧重对视频下一帧的预测与生成。主流的视频生成技术，大多采用变分自动编码器和GAN混合模型。通过提取静态特征(文本调节的背景颜色和对象布局结构)和动态特征(通过将输入文本转换为图像过滤器来考虑)生成视频。
3人工智能语义分析在媒体融合中的应用
在数字媒体快速发展的当下，人工智能技术得到了广泛应用。它不仅强化了数字媒体本身的作用和效果，还强化了数字媒体的应用优势，更好地满足各方面的需求。
3.1在自媒体中的应用
在信息技术发展下，尤其是在数字媒体技术的促进下，出现了一大批自媒体平台，给所有用户带来了自由分享、发表和交互的机会。比如抖音、微博、微信、今日头条等。这些平台在应用当中通过应用人工智能技术，强化了应用性能，给广大用户带来了更加便捷的服务。比如可以直接给其提供热点、原创检测等服务。例如在微博当中就会根据用户的爱好和日常习惯给其推进同类的信息，将其最感兴趣的内容展现出来，便于用户及时找到自己想要了解的信息，节约了大量查找的时间[3]。
3.2在场景设计中的应用
在数字媒体当中，场景设计是非常重要的一项内容，设计效果好往往能够给用户带来了更加充足的审美体验，带来更多美的感受。而给其中应用人工智能后，则可以及时收集和整理用户的建议，促使设计人员在各类设计方案中根据实际情况进行选择，加大用户和设计人员的联系性，实现两者的平衡发展。同时还可以将更多场景设计展现在用户面前，使其能够根据自身情况进行选择，强化体验感。最关键的是它能够帮助设计人员进行误差校对，由此完善设计作品，提升设计效率和质量，更好地服务于用户。
3.3情感倾向和敏感度分析
一篇文章的情感倾向往往是主观判断的，难以通过对文本数据的关键词分析进行准确把握，这就需要通过语义分析算法来进行解读。一般文章的情感因素可以分为正面、负面和中立三种类型。对文章的情感倾向分析可以更加精细化的管理采集的新闻稿件资源，满足不同用户群体的新闻阅读需求，在媒体融合过程中更加精准的进行内容推广。以往识别信息的敏感程度是通过关键词匹配来进行判断，准确程度不高，而且难免产生信息遗漏。语义分析的敏感度分析可以对语义特征进行解读，对文章整体做出判断，一旦出现敏感程度较高的文章，可将此信息推送给相应的采编人员进行审核。此功能可用于敏感信息预警、舆情信息监测、垃圾信息过滤处理[4]。
3.4终端应用创新
有专家讲，从商业上看，人工智能一个重要的商业模式就是智能音箱，我觉得很有道理。智能音箱是人工智能媒体模式中的终端模式，底层技术就是语音识别技术。2020年中国智能音箱出货量约在4000-5000万台左右。这个应用的产业化水平和市场覆盖率都还不错。2021年第一季度我们看到另外一个现象，就是带屏的智能音箱发展比较好，只有语音的智能音箱开始下滑。从传播的角度理解，就是视觉是传播的第一生产力，语音还处于补充的地位。我们需要理解的智能媒体终端可能还是要往视频+音频的模式考虑。智能音箱的产业发展过程对于人工智能媒体发展具有启发意义[5]。
3.5传播价值创新
媒体对于人工智能技术的引入和应用，核心取决于人工智能给媒体带来的价值。对于人工智能给媒体带来的价值，目前的主要应用还是“提高效率”。媒体面对海量数据，依靠人工处理基本是不现实的[6]。除了提高效率以外，下一步有几个发展方向需要我们更多思考：一个是对于传播力的提升，比如明显提高了传播的范围；一个是对于内容力的提升，比如明显提高了内容的表现力或者内容的生产效率；一个是对于用户信息接收的影响，包括算法推荐等推动用户更好地进行信息体验，我们前几年看到的各类客户端的技术后台大约都在致力于这个方向。
结束语
如今，人工智能技术主要完成依据编程进行的海量的数据运算和信息筛检工作，虽然还远远无法和人类的智力相媲美，但其发展势头十分迅猛，尤其在信息的生产传播领域有着深入的应用，对传媒行业的发展带来革命注的变化。人工智能的应用极大提升了媒体的工作效率，扩大了其影响范围，改变了传统的工作格局，同样也改变了媒体与用户之间的关系，促使传统媒体进行整合和转型，进入到智能媒体的时代。
参考文献：
[1]赵刚,孙萌,姚莹.人工智能与广电新闻业态发展探析[J].中国广播电视学刊,2018(12):57-59.
[2]赵刚,孙萌,姚莹.人工智能时代，广电媒体新闻业态的变革与重塑[J].中国广播影视,2018(17):72-75.
[3]方莉萍.媒体融合背景下广播电视技术发展趋势与业务思考[J].中国传媒科技,2020(11):65-67.
[4]侯玉娟.人工智能在广播电视行业中的应用研究[J].广播电视网络,2020(6):28-30.
[5]何志明.媒体融合发展中的广播电视播出技术发展趋势[J].卫星电视与宽带多媒体,2020(8):65-66.
[6]刘杰．人工智能背景下新闻业的发展及思考[J].新闻研究导刊，2017(20):203－204