论文部分内容阅读
摘要：大数据技术属于全新的数据处理模式，有助于透过各类批量化的数据进行价值挖掘。而以互联网融合媒体为基础的大数据应用技术，则在媒体传播领域中扮演着重要的媒体数据源泉角色。本文在客观阐述互联网融合媒体的全新特征基础上，探讨基于该类媒体的大数据应用技术方法。
关键词：互联网;融合媒体;大数据应用;技术
一、互联网融合媒体的全新特征
（一）非结构化数据数量变多
网络数据开始朝着非结构化方向过渡转变，特别是在多元化的文本格式、音视频等资源普及后，涉及非结构化数据已然成为互联网融合媒体的关键性数据来源。不过，究竟怎样针对这些非结构化数据进行细致性分析，始终是一种艰难的挑战，需要配合大数据这类全新的数据存储和处理技术加以解决应对。
（二）信息量增长速度飞快
经过交互与移动互联网等创新技术支撑辅助后，用户完全可以在挣脱时间和空间要素约束的前提下，进行不同领域中的数据动态查询和解析，针对非结构与固定结构数据进行网络发布以及交流互动。无形之中，网络信息的增长速度骤然加快，数据规模也变得空前巨大。
（三）信息检索的难度增加
数据规模持续扩张、数据异构现象普及后，互联网信息的检索难度也同步增加，准确度也慢慢降低。如在进亍数据获取上，需要借助find函数来检索HTML文档中的某个元素，之后再返回一类包含对象的数组，最后才能够获取数据。
二、基于互联网融合媒体的大数据
应用技术方法
为了更加快速、深人、准确地分析和应用海量的数据资源，需要借助可靠的数据分析技术与平台，大数据应用技术是最佳的选择，原因是其有助于深人挖掘各类数据背后隐藏的价值，指引互联网融合媒体的发展方向。
（一）大数据技术平台方面
互联网融合媒体之下的数据结构与类型，变得更加繁琐多元，其间自然对大数据分析平台提出更加严格的规范要求。所以说，基于互联网融合媒体的大数据分析技术要具备以下特征：
首先，拥有高容量的存储空间和超强的线性扩展功效;
其次，运算过程快速且结果精准，包括数据的访问、检索、分析等环节，都有着明显的低延迟效果;
最后，拥有集成分析的环境，可以进行更高级的分析处理，完成更高难度的建模任务。
（二）大数据技术方法方面
为了更好地进行大数据挖掘和解析，需要沿用以下技术方法：
第一，聚类分析。即按照相似度来进行数据分组，保证尽快锁定海量数据的共性特征。
第二，回归分析。包含线性回归与逻辑回归两种分析方式，目的在于明确输人变量：与结果彼此间的关联特征。
第三，关联規则分析。顾名思义，就是快速把握不同行为彼此间的关系，对应的算法主要包括Apriori、FP-Growth等。
第四，分类，就是说针对处理对象予以标签处理，具体的方法有决策树与朴素贝叶斯等。
（三）大数据应用建议方面
大数据技术推广应用过后，不仅令数据技术焕然一新，而且在应用领域中塑造了全新的生态体系。该类体系可以依次细化为数据设备，数据采集、数据整合、数据应用、数据消费等主体。其中数据设备主要负责产生和收集整合数据，采集者则强调那些由客户端、设备来获取数据的实体，整合者则重点解析、应用数据并将背后隐藏的规律和价值提炼出来，消费者则习惯于透过数据分析结果中进行筛选、消费和应用。归结来讲，在互联网融合媒体中融人大数据技术，有助于进行海量网络数据高效率处理和解析，方便及时而准确地解析各类用户行为，完成舆情监测任务，进一步推动互联网媒体融合发展。
就好比是大数据获取技术。须知大数据的数据类型包含结构化和非结构化类型。其中结构化数据有较强的动态性和较高的研究价值，有助于细致地解析用户行为，理清数据内部的潜在价值;非结构化数据则主要配合PHP5提供的Simple HTML DOM解析类库来对页面予以HTML解析，透过元素的id、class、tag等来完成信息定位。又好比是新媒体聚合发布平台，主要拥有多媒介内容发布、多平台账号管理、自定义媒体素材库等功能模块。其中前者主要用于微博、微信等客户端内容一次编辑，方便实现多平台共享;而后者则支持监测新闻头条，订阅两微一端内容，支持不同语种外媒稿件的检索;至于多平台账号管理则支持微博和微信多个账号的统一运营管理，拥有多平台复合权限。
三、结语
综上所述，大数据在互联网媒体融合发展过程中有着不可小觑的影响。基于此，相关技术人员须细致地把握各个领域数据的潜在价值，准确分析不同用户的行为习惯，进一步透过不同平台提供贴心的信息推送和舆情引导服务，从而带动互联网媒体融合事业的协调发展。
（作者单位：吉林工人报社）
关键词：互联网;融合媒体;大数据应用;技术
一、互联网融合媒体的全新特征
（一）非结构化数据数量变多
网络数据开始朝着非结构化方向过渡转变，特别是在多元化的文本格式、音视频等资源普及后，涉及非结构化数据已然成为互联网融合媒体的关键性数据来源。不过，究竟怎样针对这些非结构化数据进行细致性分析，始终是一种艰难的挑战，需要配合大数据这类全新的数据存储和处理技术加以解决应对。
（二）信息量增长速度飞快
经过交互与移动互联网等创新技术支撑辅助后，用户完全可以在挣脱时间和空间要素约束的前提下，进行不同领域中的数据动态查询和解析，针对非结构与固定结构数据进行网络发布以及交流互动。无形之中，网络信息的增长速度骤然加快，数据规模也变得空前巨大。
（三）信息检索的难度增加
数据规模持续扩张、数据异构现象普及后，互联网信息的检索难度也同步增加，准确度也慢慢降低。如在进亍数据获取上，需要借助find函数来检索HTML文档中的某个元素，之后再返回一类包含对象的数组，最后才能够获取数据。
二、基于互联网融合媒体的大数据
应用技术方法
为了更加快速、深人、准确地分析和应用海量的数据资源，需要借助可靠的数据分析技术与平台，大数据应用技术是最佳的选择，原因是其有助于深人挖掘各类数据背后隐藏的价值，指引互联网融合媒体的发展方向。
（一）大数据技术平台方面
互联网融合媒体之下的数据结构与类型，变得更加繁琐多元，其间自然对大数据分析平台提出更加严格的规范要求。所以说，基于互联网融合媒体的大数据分析技术要具备以下特征：
首先，拥有高容量的存储空间和超强的线性扩展功效;
其次，运算过程快速且结果精准，包括数据的访问、检索、分析等环节，都有着明显的低延迟效果;
最后，拥有集成分析的环境，可以进行更高级的分析处理，完成更高难度的建模任务。
（二）大数据技术方法方面
为了更好地进行大数据挖掘和解析，需要沿用以下技术方法：
第一，聚类分析。即按照相似度来进行数据分组，保证尽快锁定海量数据的共性特征。
第二，回归分析。包含线性回归与逻辑回归两种分析方式，目的在于明确输人变量：与结果彼此间的关联特征。
第三，关联規则分析。顾名思义，就是快速把握不同行为彼此间的关系，对应的算法主要包括Apriori、FP-Growth等。
第四，分类，就是说针对处理对象予以标签处理，具体的方法有决策树与朴素贝叶斯等。
（三）大数据应用建议方面
大数据技术推广应用过后，不仅令数据技术焕然一新，而且在应用领域中塑造了全新的生态体系。该类体系可以依次细化为数据设备，数据采集、数据整合、数据应用、数据消费等主体。其中数据设备主要负责产生和收集整合数据，采集者则强调那些由客户端、设备来获取数据的实体，整合者则重点解析、应用数据并将背后隐藏的规律和价值提炼出来，消费者则习惯于透过数据分析结果中进行筛选、消费和应用。归结来讲，在互联网融合媒体中融人大数据技术，有助于进行海量网络数据高效率处理和解析，方便及时而准确地解析各类用户行为，完成舆情监测任务，进一步推动互联网媒体融合发展。
就好比是大数据获取技术。须知大数据的数据类型包含结构化和非结构化类型。其中结构化数据有较强的动态性和较高的研究价值，有助于细致地解析用户行为，理清数据内部的潜在价值;非结构化数据则主要配合PHP5提供的Simple HTML DOM解析类库来对页面予以HTML解析，透过元素的id、class、tag等来完成信息定位。又好比是新媒体聚合发布平台，主要拥有多媒介内容发布、多平台账号管理、自定义媒体素材库等功能模块。其中前者主要用于微博、微信等客户端内容一次编辑，方便实现多平台共享;而后者则支持监测新闻头条，订阅两微一端内容，支持不同语种外媒稿件的检索;至于多平台账号管理则支持微博和微信多个账号的统一运营管理，拥有多平台复合权限。
三、结语
综上所述，大数据在互联网媒体融合发展过程中有着不可小觑的影响。基于此，相关技术人员须细致地把握各个领域数据的潜在价值，准确分析不同用户的行为习惯，进一步透过不同平台提供贴心的信息推送和舆情引导服务，从而带动互联网媒体融合事业的协调发展。
（作者单位：吉林工人报社）