广电网络的大数据应用研究

许振领

（山东广电网络有限公司潍坊分公司，潍坊　261061）

1　大数据特征

（1）价值密度低。大数据本身就是一种自然资源，它蕴含着更加准确的事实和有用的价值。然而，随着数据量呈指数级增长，有用价值的隐含信息不会以适当的比例增加，而是使我们获得有用的信息信息。显然，获得有用信息困难在增加。

（2）准确性。大数据可以分析有用的数据，比如用户行为和海量数据的偏好，以便调整，优化和提供更符合用户习惯和兴趣的产品和服务。

（3）关联性。大数据的相关性表现为：无关/简单相关数据（键值记录型的数据），复杂相关数据（图数据），数据冗余和缺失数据，数据本身有密集以及稀疏之分，但是都是共同存在的

（4）多样性。大数据类型不仅包括传统的关系数据类型，还包括网页，视频，音频，电子邮件，文档等形式的原始结构化/半结构化/非结构化数据类型。

2　广电网络大数据应用思路

（1）应用难点。TB级和PB级大数据存储，在目前的广播电视网络中，这种情况每天都在发生，给存储和处理带来了很多困难。广播电视大数据包括业务运营，流程管理等方面存在一定困难，现阶段广电网络没有定期的数据采集，数据分析和采集通常采用采样方式，因此缺乏实际的受众行为数据。

（2）进行汇聚融合。为支持数据的处理平台，广播电视网络需要大型数据处理存储，其包括多个外围设备的数据系统，如需要，收集机顶盒，操作支持系统（BOSS），管理和系统的维护，地理信息系统（GIS），多媒体系统，互动电视系统，互联网等，这一切都要求数据平台保证资源的整合，走向融合各种网络数据形成一个庞大的数据库，支持运营和决策。如图1所示。

图1　流程图

（3）精准化内容投送。大多数数据处理平台获得用户喜爱的内容，而且还可以记录各种信息的过程中，查看次数和频率，这是一个多处理以及实现各种功能技术，其在电视行业应用的每个电视节目的普及和观点准确的统计数据对分析体积的作用节目和普通收视率的电视台，还要根据用户的需求，做到相关推广持续改善系统，以及精密进行推送节目的目标。

（4）大数据挖掘。大数据处理学习和数据挖掘算法有：分类算法：SVM支持向量机、神经网络、朴素贝叶斯、决策树。聚类：Koreans聚类算法等；关联规则挖掘；.参数估计；高维度数据降维；集成学习图数据算法：图聚类、图分类、图模式。匹配基于本体的语义分析与挖掘几本体语义数据库、大规模语义数据并行化查询分析、大规模语义融合与深度挖掘、大规模文本语义分析与挖掘、大规模媒体语义分析与挖掘。

（5）动态广告插播技术。利用大数据能准确地开发网络管理和竞争战略，而营销变得更加复杂，所以人们，不同群体专门从事市场营销和间歇性的动态广告。动态流媒体技术，广告是基于使用模式识别技术与大量的数据，看看有什么广告，并实时电视内容自动与运营商的公告替换它，你可以快速更换点播，复制广告显示完整的使用时间广告计划，提高公司的盈利能力。

3　广电网络运营商在大数据时代的机遇与挑战

（1）有线运营商向数据运营商的转型为智慧城市的打造奠定了基础。最近几年，在大部分的大中型城市中，其面临的一个共同选择就是如何成功建立起智慧城市，这也是很多大中型城市在城市管理、资源利用等方面面临的难题。但不管是城市运行的管理还是居民的服务，信息化作为最基础的支撑，起到的作用都是至关重要的。但是在建立智慧城市的的时候，有一点是我们必须要注意的，那就是建立原则，建立原则我们主要应该遵循利用和建设并举的原则。在进行建设的同时，我们还要对现有的网络资源做一定的规划和利用，这在减少广电有线网络设施投入方面而言有着十分重大的意义。

（2）从传统的网络运营商转变成了数据运营商。从大数据处理的全过程层面上来讲，数据的搜集和预处理等都属于大数据中所包含的处理内容，不论是哪个过程，都与网络的基础设施有着十分紧密的联系。经过长时间的发展，广电运营商的基础设施建设以及维护已经成功建立起了有效的网络，该网络不仅覆盖范围较广，同时也有较高的可靠性，此外，通过双向化等改造，现阶段广电运营商的基础设施建设和维护已经达成了基本的大数据运营所需的基本条件。

4　结束语

总之，互联网快速发展，大数据的运用对广电网络提供了新的机遇与挑战，广电行业实现快速发展，就必须顺应时代潮流，精准管理、分析与利用用户、节目和内容的大数据，放远眼光，合理挖掘这些数据，以获得更好的发展前景。

[1]陈刚，刘翔.基于大数据的广电网络转型及应用[J].新闻传播，2016（09）：90-91.