何丽媛

内蒙古自治区新闻出版广电局监管中心 内蒙古 呼和浩特市 010050

引言

违规音视频节目的自动识别，主要通过内容分析系统来实现。内容分析系统由特征提取模块、数据索引模块、自动排重模块、自动摘要模、有害内容识别与归类模块几部分构成。

1 特征提取模块

特征提取模块的作用是将含有音视频节目的网页进行信息数据分析，过滤掉次要信息，精确提取出重要信息并保存起来。重要信息主要指文本特征、音频底层特征、视频底层特征等。之后再将所有重要信息合并成一个特征库，系统以这个特征库为依据对违规音视频节目进行检索和分析。

文本特征提取：音视频节目内容的文本特征大致可分为两类，第一类是包含在音视频网页内的文本信息，主要有元信息特征、节目关键字和节目描述文本特征等；第二类则是音视频节目自身所包含的文本信息，即系统从音视频节目中自动识别出的文本信息。这些信息并不能直接用作数据分析，必须从这些繁杂的文本信息中将文本内容的摘要信息抽取出来，才可以使用。

音频特征提取：为有效提高违规音频节目的自动识别准确率，在对音频文件进行分析时，我们无需将音频节目的所有信息都进行提取。而是需要将“无用信息”剔除掉，只保留一些“有用信息”，即一些有用的音频特征来建立“音频底层特征池”。这些构成特征池的“有用信息”包括短时能量、过零率、语谱图亮度以及梅尔尺度倒谱特征等信息。……