網絡出版監管平臺的設計與實現

陳奎良

網絡出版，是指具有合法互聯網出版資格的出版機構，以互聯網為載體和流通渠道，出版并銷售數字出版物的行為。2014年1月，中國互聯網絡信息中心（CNNIC）發布的《中國互聯網絡發展狀況統計報告》顯示，截至2013年12月，中國網站數量為320萬個，按出版類網站占5%計算，從事網絡出版的網站就達16萬個。但這其中僅有600多家出版機構獲得網絡出版資質，可以說，絕大多數網站在被動“非法”從事網絡出版服務，其登載作品良莠不齊，不少非法甚至淫穢色情等不良信息充斥其中，嚴重影響了網民的心理健康。筆者調研發現，大家對監管系統建設的重要性都有充分認識，但實際開發還處于摸索階段，主要存在對系統功能設計標準不一、認識不清等問題。筆者具有多年網絡出版監測系統設計經驗，希望在此通過對網絡出版監管平臺建設的闡述，給大家提供一點思路，以求拋磚引玉。

網絡出版監管平臺的分析與設計

要建設網絡出版監管平臺，必須充分研究和分析網絡出版監管業務需求，結合為社會服務、為行業服務的建設目標，才能真正實現網絡出版監管平臺建設的意義。筆者認為，網絡出版監管平臺應包括內容監管系統、輿情監測系統、網站綜合評價系統和網站審核系統四部分，至少包括以下功能：

1.網站發現。網絡出版網站與監管平臺實現對接有兩種途徑：一是網站與平臺自主對接，提供登陸賬號、密碼、網站規模、主辦單位等網站基本信息，便于平臺實現網站基本信息的著錄和管理，對網站違規內容進行實時監管；二是未對接網站的收集和監管，對于未能自主對接的網站，平臺要通過設定搜索規則，實現自動收集網站的域名和基本情況，并納入網絡監管平臺的監管范圍，實現全網全業務監管。

2.網站信息著錄。依托監管平臺，完善對網絡出版網站基本情況的著錄和整理，建立網絡出版單位基本信息數據庫，便于行業主管部門摸清家底，提高公共服務能力。

3.信息采集。信息采集是指利用計算機軟件技術對網站的任意網頁進行目標分析，分析出網頁的各種屬性信息，并根據采集規則進行分類存儲，除采集網站基本情況信息外，還采集出版物的一些基本信息。

4.文本挖掘。依靠文本挖掘引擎技術實現對文本的深度解析，把需要的信息進行分類細化提取，實現文本自動歸類和自動梳理。

5.全文檢索。監測網站出版物是否存在違規內容是監管平臺的主要功能之一，要實現這項功能必須進行全文檢索。一般的檢索系統只是基于標題或關鍵詞的檢索，而全文檢索細化了檢索的顆粒度，讓文本內容全部參與檢索，并且能夠對檢索結果進行排序，極大提高了檢索精確性。

6.違規內容鑒別。違規內容鑒別要根據出版物的不同載體有所區別，對于文本型內容，基于敏感關鍵詞庫，通過預定義的敏感關鍵詞或通過語義規則模型，實現對文本型正文的自動匹配；而對于音視頻類出版物，則自動檢索已采集的音視頻出版物，通過語音識別、鏡頭劃分、關鍵幀提取等音視頻語義分析手段，實現對全媒體出版物內容違法違規情況的智能預判。

7.出版物內容審核與處理。該功能是平臺的主要功能之一，對平臺預警出來的涉嫌違規出版物進行審讀和處理。該功能通過監管網站權重、違規主題、采集時間、發布時間等指標，實現出版內容違規信息的分類分級優先審讀，導航區可支持監管主題、出版物類型、出版物形態等分類方式，對預警案件審讀后在平臺中完成撰寫審讀意見報告。

8.網絡出版輿情分析。通過對互聯網海量信息自動獲取、自動聚類、主題檢測、專題聚焦，實現對互聯網信息的輿情監測、信息監控及專題追蹤等功能，形成監測簡報、分析報告等結果報告，為用戶全面掌握輿情動態，進而做出正確輿論引導提供分析依據。

9.導航主題分類與管理。監管平臺導航主題應實現多維度的管理模式，通過出版物的違規主題、出版形態、學科進行分類分級顯示，違規內容主題可根據《出版管理條例》中的禁載規定設置監管主題。

10.知識庫管理。知識庫管理是對監管平臺基礎數據的管理，包括語料庫、語義規則庫、敏感詞庫、網站基本信息庫、主題數據庫、違規案件庫、輿情信息庫等。

11.取證管理。對于網站違規內容等電子證據的固化和保全，在監管平臺中也是一大亮點。通過自動化取證管理模塊，模擬進行多線程的網頁快照抓取，提高了進行大量網頁快照取證的工作效率，對不同網站、案件進行多級目錄存取，對頁面地址欄、首頁內容、頁面ICP等信息進行標準化取證。

12.網站評價體系。基于監管平臺的基礎數據，以數據采掘技術和人工整理分析相結合的模式，建立一套可行可用的網站評價體系，評價指標包括：網站規模、出版物種類、出版物數量、網站友好性、公益型、贏利型、違規情況等。

13.查詢、統計分析。對網絡監管平臺中的采集數據、預警數案件、網站信息等各類監管數據的查詢、綜合統計、分析、報表功能。

14.系統運行管理。運行管理實現對系統業務參數和運行參數的配置和管理，分配用戶權限，監控平臺運行網絡、軟硬件等運行狀態，出現異常進行報警。

15.系統安全。為防止網絡用戶攻擊機反向定位，在網絡層將所有訪問互聯網的終端地址加以隱藏，并在應用層設置訪問黑/白IP地址，保證系統的安全。

監管平臺開發關鍵技術分析

1.海量非結構化數據庫管理技術

傳統的數據庫管理系統是針對關系型結構化數據的管理，對于非結構化數據沒有有效的管理方式。目前網絡上80%是非結構化數據，因此，網絡出版監管平臺亟需研發海量非結構化數據庫管理技術，從而高效管理和利用這些數據。

2.文本挖掘技術

文本挖掘是從大量文本的集合和語料中抽取事先未知、可理解的、有潛在實用價值的模式和知識，面對海量的互聯網數據，要求文本挖掘系統提供智能檢索、自動分類、自動聚類、關鍵詞自動標引、自動文摘、信息過濾、關聯規則挖掘等多種實用功能，以其為基礎可方便地開發應用系統，快速實現智能信息挖掘，有效地進行知識管理。

3.互聯網信息采集技術

互聯網信息采集技術是指利用計算機軟件技術，針對定制的目標數據源，實時進行信息采集、抽取、挖掘、處理，將非結構化的信息從大量的網頁中抽取出來保存到結構化的數據庫中，從而為各種信息服務系統提供數據輸入的整個過程。

4.多媒體信息的智能識別技術

目前，多媒體信息的智能識別技術可以為圖、音、視等內容分析提供解決方案。比如色情圖像和視頻識別中可通過對膚色檢測，對顏色、形狀、臉部等進行特征標識和特征提取，并實行多維度的索引，對圖像的內容作出識別，達到監測不良信息的目的。語音識別系統則通過連續語音識別，把語音信號轉化成計算機信號進行識別處理。我們同樣可以利用這項技術對網上傳輸的聲音數據進行處理，把其中的語音信息轉化為文字信息以實行內容安全處理。

發展應與管理相輔相成，有效的管理是保障網絡出版取得健康發展的基礎和前提條件。而僅通過人工手段進行監管顯然已經滿足不了管理的要求，必須通過技術手段實現網絡出版的監管。同時，通過立法明確負面清單，監督限定網絡出版行為，做到有法可依，有規定可遵守。在網絡出版內容的管理方面，筆者還建議國家放低對網站網絡出版業務資質的準入門檻，實行寬進嚴出的原則，實現網絡化在線審核。隨著技術水平的不斷提高和智能語義分析技術的發展，加上我國政府對網上信息監管的重視程度不斷加強，相信在不久的將來，網絡出版必將保持健康有序發展。

（作者單位系新聞出版總署信息中心）