李菊文

（西安职业技术学院，陕西西安 710077）

移动互联网技术的迅速发展以及智能终端设备的普及，使得微博、抖音等社交软件逐渐成为人们看新闻的新途径，并出现大量的自媒体[1-3]。随着数字文明的到来，媒体的融合是应对自媒体与时代所带来挑战的最佳选择[4-5]。融媒体在此背景下逐步形成，其既有电视、广播、报纸等传统媒体的特点，又补充了这三者的短板，实现了在内容、宣传途径等方面的全面整合[6]。融媒体的出现使传统媒介的边界变得模糊，其影响力超过了以往任何一种媒介[7-8]。

融媒体通常为“网+端+新媒体+市场端口连接”，即由4 部分构成，以实现多终端的交互平台。然而多个终端系统均有适用于自身的技术平台，数据不但彼此独立，数据口径也各不相同[9-11]。为了实现全新的传播格局，各个终端系统要实现数据共享和流通。实现数据精准推送、满足用户个性化需求，是当前融媒体增强用户粘性与忠诚度的重要手段之一。而对于识别用户的需求，近年来不少学者提出了研究方案，其中机器学习是广泛应用的算法之一[12-16]。

在机器学习中，支持向量机是一种监督学习的方法，被用于实现分类及回归分析。文中使用支持向量机构建融媒体数据分析模型，并针对样本数量较多与多个优化目标这两种情况进行改进。对于融媒体平台用户喜好的识别，则需要大量的数据作为支持向量机模型的训练样本。文中使用ELT 技术将融媒体中各个社交软件、媒体平台的数据汇总，以实现数据的统一管理与分析。……