基于特征聚合的新闻拆条

吴 纲

（辽宁省广播电视及信息网络视听节目监测台，辽宁 沈阳 110000）

0 引言

随着移动互联网的蓬勃发展，碎片化式新闻内容传播更符合当下市场发展的需求。电视新闻节目逐渐开始采用“分段”的传播方式，即将一个完整的新闻视频依据内容进行拆分，从而形成短小、完整的新闻片段。

本文结合传统方法和前沿的人工智能研究成果，创新性地提出了一种特征聚合新闻拆条的办法，设计并实现了面向电视新闻节目的智能拆条软件系统，具有小样本、无需标注、识别速度快、准确率高的优点，快速智能地把一个长视频，按照新闻内容分成一个一个独立的新闻。系统通过机器学习系统，对特定的视频进行学习之后，就可以对同类型的视频进行自动拆条，大大提高了工作效率，有效地提高了新闻的传播速度。

1 新闻拆条常用技术

（1）转场识别：是在收录素材迁移的环节进行，通过底层识别库自动抽取素材转场帧来辅助快速定位片段切点，节省了拆条时 seek素材的时间，尤其对新闻类节目的拆条效率有很大提升。拆条客户端在执行拆条素材审核时，会根据数据库中记录的素材信息，自动加载素材对应的转场帧，用户可直接对转场帧进行操作。对于收录素材的边采边编，刷新素材的同时也实现了转场帧的刷新加载。

（2）人脸识别技术：主要应用于新闻主持人画面的精确定位，为后续智能处理区分主持人画面和其他画面提供基础数据。

（3）字幕识别技术：节目画面中往往已经有编辑好的标题，可以直接用于拆条后素材片段的标题。……