半个世纪以来，随着计算机技术全面融入社会生活，信息爆炸已经积累到了一个开始引发变革的程度。它不仅使世界充斥着比以往更多的信息，而且其增长速度也在加快。信息爆炸的学科如天文学和基因学，创造出了“大数据”这个概念。如今，这个概念几乎应用到了所有人类智力与发展的领域中。

在场景上，传统数据主要处理实时、事务性、在线业务，而大数据则会处理大量的批量数据和少量的在线实时型数据。总而言之，传统数据是以业务为中心，大数据则是以数据为中心，数据为业务服务。

一是体量大（Volume）。据统计，互联网一天产生的全部内容可以制作1.68亿张DVD，一天发出2940亿封邮件以及200万个帖子。这些数据都表明，互联网时代，社交网络、电子商务与移动通信把人类带入了一个以“PB”为单位的新时代，PB化已经成为比较常态的情况。大数据中的“大”除了大量的意思外，还有全局的概念，所有的数据都聚集在这里。

四是速度快（Velocity）。大数据的产生速度相当快，包括股票、资讯等各方面的信息随时都在传输。由于数据化存在时效性，需要快速处理并得到结果，实时获取需要的信息。比如说一些电商数据，今天的信息不经处理就不能产生有效的结果，这将会影响到今天捕获很多商业决策，因此在海量的数据面前，处理数据的效率就是企业的生命。［1］

（三）中国网络视频用户行为的监测形式。在互联网领域不断涌现的新业务中，网络视频业务无疑是最受人关注的业务，但同时也是网络中带宽需求最大的一个部分。对用户的网络行为进行监测是网络视频得以成功发展和推广的关键，通过监测了解用户的搜索、观看与反馈行为，反映真实的视频品质，准确地分析视频业务中的亮点与问题，进而提升用户体验质量。

最为完整、时时刻刻都在记录用户行为的当数Cookie，人们称Cookie“像网络身份证一样收集用户数据”。它能够让网络服务器把数据存储到用户的硬盘，之后再从硬盘中读取数据。它与各浏览器结合，针对每一个电脑用户产生一个独特的识别码，记录用户的ID、密码、曝光频次、视频点击次数、视频点击位、浏览过的网页等等。用户的每一次访问都会记录，数据量巨大，正因为如此，Cookie往往只有数月的存活期。

2.短文本挖掘。短文本是一种早已广泛存在并且得到越来越多关注的一种信息形式，键入搜索引擎的词条、聊天室对话、新闻标题、状态信息等都是短文本的存在地。通过短文本分析将信息分类为“垃圾信息”和“非垃圾信息”，并识别出用户属于哪个用户群类别，针对不同的类别还可以进行广告精准投放。短文本挖掘的主要挑战是信息稀疏，给分析带来一定的挑战。

网络数据流挖掘指的是通过互联网爬虫实时了解网络信息，包括互联网上有哪些突发主题，主题的来源、传播与分布，主题的影响力等等。这种技术的挑战之一在于时间对信息的影响，在准确性上，多个流上发生在同时间段的不同主题可能被混淆为一个，也可能找到多个时间分布不同但语义相同的重复主题。正因为可能会找到重复主题，在主题数目一定的情况下，势必会丢失某些其他重要主题。挑战之二在于针对突发或新兴事件的资源不足，在突发事件上，人们总是选择基于历史数据进行分析挖掘，但这样往往效果不好，不仅成本高，而且在时效上也难以满足需求，如何更有效地借助不同但相关的资源是需要考虑的一大问题。

一、大数据的基本特征

二、大数据与传统数据的价值差异

三是价值高（Value）。网络每天都会产生大量的不相关信息，这些未经过处理的原始材料属于价值密度低的数据，需要人们沙里淘金。以视频为例，一部1小时的视频，在连续不间断监控过程中，可能有用的数据仅仅只有一两秒。如何通过强大的机器算法更迅速地完成数据的价值“提纯”，是目前大数据汹涌背景下亟待解决的难题。

（一）中国网络视频发展的现状。中国互联网络信息中心(CNNIC)发布的《第33次中国互联网络发展状况统计报告》显示，截至2013年12月，中国网络视频用户规模达4.28亿，较上年底增加5637万人，增长率为15.2%。网络视频使用率为69.3%，与上年底相比增长3.4个百分点，而且这一规模依旧呈现出持续稳定上升的态势。在收看新电影、热播剧方面，网络视频已经成为网民的首选。上述报告还显示，在收看电视剧的渠道选择偏好上，“基本通过网上收看的比例为28.7%，大部分通过网上看，偶尔在电视上看”的用户占25%，可以说网络视频已经分流了传统电视剧播放超过50%的收看渠道。网络视频有着收看时间自由、播放时长不受限制、广告插播次数少等特点，很好地避免了传统电视媒体稍纵即逝、被动接受、插播广告等先天性劣势，迎合了用户的需求。目前主流的网络视频媒体有十余家，包括优酷土豆、搜狐视频、PPS网络电视、迅雷看看、爱奇艺、乐视网、酷6等等。一些网站的用户重合度较高，比如搜狐视频与优酷（40%）、搜狐视频与土豆（41.2%）［1］，用户还未对特定的视频网站持较高的忠诚度，网站之间的用户流动性大。对于视频网站来说，丰富网站资源、加快更新速度是提高用户黏性的关键。

【摘要】我们生活的时代是信息爆炸的时代，伴随信息数量的井喷式增长，一个最新的概念——“大数据”也随之兴起，并逐渐开始影响包括传媒产业在内的各行各业的经营理念和操作方式。大数据在网络视频领域的应用和对用户行为的分析，已经展现出其日渐改变视听产业的理念、业态、调查方式和经营管理方式，大数据已成为人们感知社会、改变社会的一个重要方式和工具。

3.可视数据挖掘。如今数据的表达方式越来越多，各种媒体数据混杂出现。在挖掘分析数据时，往往对图像进行关键词标注处理，根据图像的底层特征，自动找出能够有效描述其语义内容的文本标签。而对文本则进行图像化的描述，根据文本的内容，自动找出能够有效描述其内容的图像。这种方法的宗旨在于尽可能等价地将图像与文本互相转化，便于统一索引、存储、管理和检索，可以有效提高数据挖掘结果的可信度、可理解性和可用性。

（六）视频网站的访问路径分析与用户追踪。通过记录不同来源的访客浏览时的访问顺序，掌握活动网站的关键路径和结构上的漏洞，之后针对结构的不合理之处进行优化提高。同时利用用户的Cookie记录的浏览者不同行为，可以将人群进行分类，并在未来通过分类标志找到他们，以达到被视频影响过的人群不管到哪里都可以找回来的目标。通过重定向对贴上标签的人群进行精准追踪，可以获得很好的效果。

用户主要通过PC电脑上网看视频，使用比例高达96%，与此同时，使用移动设备（手机、平板）上网看视频的比例也达到了49.4%。［1］随着移动设备性能提高、视频客户端质量提升，移动网络视频也逐渐被人们所接受。

（五）中国网络视频用户的人群特征。由IP库或者手机定位技术可分析节目源受众人群的地理分布，结合网站行为数据还可了解不同地区观众对节目的满意程度。按照用户对网络视频的依赖程度由低到高，用户可以分为初级用户、中级用户、高度依赖用户和最深度用户。初级用户相对保守，很少移动上网，在信息接收上以被动为主。最深度用户则经常接触App类媒体，频繁移动上网，网络社交行为频繁，依赖生活化和本地化的移动服务。

海量数据处理是一种应对复杂、海量数据的能力，大数据的涌现已经催生出了设计用于数据密集型处理的架构。例如具有开放源码、在商品硬件群中运行的Apache Hadoop，难题在于以具备成本效益的方式快速可靠地从Hadoop中存取数据。

1．网络数据流挖掘。如何对视频用户产生的网络数据进行分析，并从中得到有效信息是当下业界研究的热点。当然对网络数据进行分析的前提是网络数据流的挖掘。

海量交互数据来自Facebook、Twitter、LinkedIn及其他来源的社交媒体数据。它包括呼叫详细记录CDR、设备和传感器信息、GPS和地理定位映射数据、通过管理文件传输Manage File Transfer协议传送的海量图像文件、Web文本和点击流数据、科学信息、电子邮件等。这些数据可以告诉我们未来会发生什么。

综上所述，大数据技术已经和视听媒介产业密不可分，并且将日渐改变中国视听产业的理念、业态、调查方式和经营管理方式。当然，大数据纵然可以改变一切，但不能代替一切，更不可能任何事情、任何场合、任何时候都能用得上大数据。因此，在认识和运用大数据的时候，视听产业或企业也必须充分认识到其局限性，用长弃短，切忌跟风炒作，更不要迷信神化。

参考文献：