论文部分内容阅读
摘要：本文介绍了ANFIS的基本原理，提出基于ANFIS的新闻工作者媒体素养评估模型，为新闻工作者的考核明确了具体量化指标，运用采集的样本数据对从事新闻工作人员的综合能力进行全面系统地科学评估，实验表明，自适应神经模糊方法能够对ANFIS的新闻工作者媒体素养进行定性和定量综合评估，验证了评估模型的科学性和实用性，为新闻工作者的媒体素养综合评定提供了数据支撑。
关键词：ANFIS；新闻工作者；媒体素养；评估
习近平在党的新闻舆论工作座谈会上强调指出，要全面提高党的新闻舆论传播力、引导力、影响力、公信力。柴达木日报作为州委党报、政府喉舌，是州委权威的发声导向机构。报社各类新闻工作者的媒介素养不同程度地反映着报纸的质量，如何尽快培塑一批新闻媒介优秀人才，是新闻工作的战略举措。结合作者新闻工作实践，对如何有效地评估新闻工作者的媒介素养进行了深入思考。本文借助人工智能中的技术，提出的自适应神经模糊推理系统把神经网络与模糊逻辑两者优势结合，通过学习训练生成模糊控制规则，从而实现对新闻工作者媒介素养的精准评估，为新闻工作人才队伍建设具有一定参考价值。
一、ANFIS基本原理
智能理论也就是神经模糊[1，2]理论，主要是指模仿人的大脑神经系统信息处理功能的智能化系统。它特有的模糊自适应信息数据处理能力，能够借助外部的样本数据进行学习训练，用训练好的网络模型来处理比较棘手的现实问题。ANFIS显著特点是基于大量样本数据学习得出的模糊隶属度函数和模糊规则，不是依据个别专家的经验或是人为任意指定的。其核心思想是首先构造出Sugeno模糊推理系统，在混合算法中条件参数的具体实践上仍采取反向传播算法，通过线性最小二乘估算法来调整得出相应的结论参数，在进行逼近误差函数过程中，利用误差的最优平方估计来进行，这样既能保持网络的稳健型和克服陷入局部极小点的情况，又能加快数据训练速度，进一步提高学习效率，确保评估出量化结果能收敛到参数空间的全局最小点。对于ANFIS而言，它属于Sugeno型模糊系统，由前件和后件构成。其典型的模糊规则形式为：如果x设为A，and y设为B 则z=f（x，y），其中前件模糊集合为A和B，而后件精确函数为z=f（x，y），通常情况下，输入变量x和y的多项式为f（x，y），当f（x，y）为一阶多项式时，所产生的系统就成为一阶Sugeno模糊网络模型，其结构如图1所示。
二、 装备维修人员保障能力建模设计
（一）评估指标体系
詹姆斯·波特和大部分学者[3-6]认为，媒介素养有三大重要基石：个人定位、技能和知识结构。无论是负责新闻报刊工作，还是在杂志出版社就职，都需要有新闻敏锐性、信息整合力、独立剖析度。对新闻工作者的媒体素养进行评估，需考虑的因素较多。根据新闻媒介特点和工作要求，评估体系应包含能、勤、绩3个决策单元，根据各决策单元的评估指标，可建立新闻工作者媒介素养评估指标体系，如图2所示。
（二）新闻工作者媒体素养评估模型构建
训练样本的精确构造是网络模型能够准确评估的关键。为保证客观公正，最大程度地降低人为因素的影响，本文采用德尔菲法与层次分析法相结合的方式确定新闻工作者媒介素养各指标权重，然后对采集的数据进行标准化处理以获得训练样本，最后采用有激励与惩罚功能的变权综合法思想对形成的初始样本数据进行再处理，以构造更为客观准确的训练数据。具体来说：
一是德尔菲法与层次分析法综合确定各指标权重。采用德尔菲法，首先咨询15～25名专家，根据专家咨询对设计出的两两指标相对重要性进行打分评判，同时接受不断反馈和修改。利用评判结果分别构造指标体系的判断矩阵，然后利用层次分析法计算出各个指标间的相对权重。根据所得的媒介素养指标权重，对采集的数据进行标准化处理即形成初始样本数据。
二是样本数据的“变权”处理。新闻工作者媒介素养的量化评估与各项指标因子密切相关，为克服常权综合法因某项指标极差将使目标结果低于阈值或某项指标极好也会使融合度有超出阈值的缺点，在征集专家意见和综合权衡的前提下，采用好的有激励与差的有惩罚功能的变权综合法，对训练样本进行再激励或惩罚处理。具体处理如下：无论指标的权重高低，对指标值高于0.90的，给媒介素养评估结果以0.01的激励；对指标值低于0.50的，对评估结果以0.02的惩罚。对于定量因素隶属函数采取模糊分布来确定，对定性因素，在利用相关的隶属函数确定隶属度之前，首先要用专家咨询法和专家评分法等方法进行具体量化处理。依上述方法根据实际采样数据，对所得专家知识进行一系列统计处理后获得精确训练样本数据如表1所示。
按照表中的数据，新闻工作者媒介素养的新闻敏锐性A、信息整合力B、C独立剖析度、工作精神状态D、作风和纪律情况E、采编新闻质量F、采编新闻效率G以及履职尽责情况H等因素，媒介素养记录如下：data=[A B C D E F G H Y]，运行MATLAB仿真软件，把实测数据的矩阵data装入其工作空间，根据实测数据自动生成初始FIS如图3，机构如图4所示：
并对该FIS结构进行训练，采取50次训练后，误差仅为error=1.3936e-0.07，能很好地满足新闻工作者媒介素养评估的误差要求。拖动游标红线或变动输入量A—H的数值时，可以看到输出量Y发生相应的变化，给出相对应的输出值。如图5所示，为A=0.805，B=0.795，C=0.805，D=0.810，E=0.785，F=0.800，G=0.795，H=0.795时，相应的输出效能Y=0.889。可见用ANFIS建模能够精确地评估新闻工作者媒介素养。
三、结束语
采用自适应神经模糊的算法从能、勤、绩3个决策单元对新闻工作人员媒介素养进行评估，为考核新闻工作人员的综合能力素质提供了数据支持，较好地实现能力评估的量化和动态观察，在实践中更利于发挥新闻工作者的综合能力。随着微媒体时代进入生活，新闻工作者也需要着眼新媒介环境下重新定位，努力成为信息时代的探索、驾驭和管理者，作符合时代要求的新一代新媒人。
注释：
[1]葛哲学，孙志强.神经网络理论与MATLABR2007[M].电子工业出版社.2007.9。
[2]LI Xiangming， WU Longhai. Simulation research of fuzzy neural network cont roller [J].Journal of Wuhan University of Technology，2003，25 （1）：13216。
[3] [美]詹姆斯·波特.媒介素养[M].李德刚，译.北京：清华大学出版社，2012：6。
[4]李良荣.新闻学概论[M].上海：复旦大学出版社，2012：348。
[5]张开.媒介素养概论[M].北京：北京广播学院出版社，2006：173。
[6]詹新惠.新媒体编辑[M].北京：中国人民大学出版社同，2013：19。
关键词：ANFIS；新闻工作者；媒体素养；评估
习近平在党的新闻舆论工作座谈会上强调指出，要全面提高党的新闻舆论传播力、引导力、影响力、公信力。柴达木日报作为州委党报、政府喉舌，是州委权威的发声导向机构。报社各类新闻工作者的媒介素养不同程度地反映着报纸的质量，如何尽快培塑一批新闻媒介优秀人才，是新闻工作的战略举措。结合作者新闻工作实践，对如何有效地评估新闻工作者的媒介素养进行了深入思考。本文借助人工智能中的技术，提出的自适应神经模糊推理系统把神经网络与模糊逻辑两者优势结合，通过学习训练生成模糊控制规则，从而实现对新闻工作者媒介素养的精准评估，为新闻工作人才队伍建设具有一定参考价值。
一、ANFIS基本原理
智能理论也就是神经模糊[1，2]理论，主要是指模仿人的大脑神经系统信息处理功能的智能化系统。它特有的模糊自适应信息数据处理能力，能够借助外部的样本数据进行学习训练，用训练好的网络模型来处理比较棘手的现实问题。ANFIS显著特点是基于大量样本数据学习得出的模糊隶属度函数和模糊规则，不是依据个别专家的经验或是人为任意指定的。其核心思想是首先构造出Sugeno模糊推理系统，在混合算法中条件参数的具体实践上仍采取反向传播算法，通过线性最小二乘估算法来调整得出相应的结论参数，在进行逼近误差函数过程中，利用误差的最优平方估计来进行，这样既能保持网络的稳健型和克服陷入局部极小点的情况，又能加快数据训练速度，进一步提高学习效率，确保评估出量化结果能收敛到参数空间的全局最小点。对于ANFIS而言，它属于Sugeno型模糊系统，由前件和后件构成。其典型的模糊规则形式为：如果x设为A，and y设为B 则z=f（x，y），其中前件模糊集合为A和B，而后件精确函数为z=f（x，y），通常情况下，输入变量x和y的多项式为f（x，y），当f（x，y）为一阶多项式时，所产生的系统就成为一阶Sugeno模糊网络模型，其结构如图1所示。
二、 装备维修人员保障能力建模设计
（一）评估指标体系
詹姆斯·波特和大部分学者[3-6]认为，媒介素养有三大重要基石：个人定位、技能和知识结构。无论是负责新闻报刊工作，还是在杂志出版社就职，都需要有新闻敏锐性、信息整合力、独立剖析度。对新闻工作者的媒体素养进行评估，需考虑的因素较多。根据新闻媒介特点和工作要求，评估体系应包含能、勤、绩3个决策单元，根据各决策单元的评估指标，可建立新闻工作者媒介素养评估指标体系，如图2所示。
（二）新闻工作者媒体素养评估模型构建
训练样本的精确构造是网络模型能够准确评估的关键。为保证客观公正，最大程度地降低人为因素的影响，本文采用德尔菲法与层次分析法相结合的方式确定新闻工作者媒介素养各指标权重，然后对采集的数据进行标准化处理以获得训练样本，最后采用有激励与惩罚功能的变权综合法思想对形成的初始样本数据进行再处理，以构造更为客观准确的训练数据。具体来说：
一是德尔菲法与层次分析法综合确定各指标权重。采用德尔菲法，首先咨询15～25名专家，根据专家咨询对设计出的两两指标相对重要性进行打分评判，同时接受不断反馈和修改。利用评判结果分别构造指标体系的判断矩阵，然后利用层次分析法计算出各个指标间的相对权重。根据所得的媒介素养指标权重，对采集的数据进行标准化处理即形成初始样本数据。
二是样本数据的“变权”处理。新闻工作者媒介素养的量化评估与各项指标因子密切相关，为克服常权综合法因某项指标极差将使目标结果低于阈值或某项指标极好也会使融合度有超出阈值的缺点，在征集专家意见和综合权衡的前提下，采用好的有激励与差的有惩罚功能的变权综合法，对训练样本进行再激励或惩罚处理。具体处理如下：无论指标的权重高低，对指标值高于0.90的，给媒介素养评估结果以0.01的激励；对指标值低于0.50的，对评估结果以0.02的惩罚。对于定量因素隶属函数采取模糊分布来确定，对定性因素，在利用相关的隶属函数确定隶属度之前，首先要用专家咨询法和专家评分法等方法进行具体量化处理。依上述方法根据实际采样数据，对所得专家知识进行一系列统计处理后获得精确训练样本数据如表1所示。
按照表中的数据，新闻工作者媒介素养的新闻敏锐性A、信息整合力B、C独立剖析度、工作精神状态D、作风和纪律情况E、采编新闻质量F、采编新闻效率G以及履职尽责情况H等因素，媒介素养记录如下：data=[A B C D E F G H Y]，运行MATLAB仿真软件，把实测数据的矩阵data装入其工作空间，根据实测数据自动生成初始FIS如图3，机构如图4所示：
并对该FIS结构进行训练，采取50次训练后，误差仅为error=1.3936e-0.07，能很好地满足新闻工作者媒介素养评估的误差要求。拖动游标红线或变动输入量A—H的数值时，可以看到输出量Y发生相应的变化，给出相对应的输出值。如图5所示，为A=0.805，B=0.795，C=0.805，D=0.810，E=0.785，F=0.800，G=0.795，H=0.795时，相应的输出效能Y=0.889。可见用ANFIS建模能够精确地评估新闻工作者媒介素养。
三、结束语
采用自适应神经模糊的算法从能、勤、绩3个决策单元对新闻工作人员媒介素养进行评估，为考核新闻工作人员的综合能力素质提供了数据支持，较好地实现能力评估的量化和动态观察，在实践中更利于发挥新闻工作者的综合能力。随着微媒体时代进入生活，新闻工作者也需要着眼新媒介环境下重新定位，努力成为信息时代的探索、驾驭和管理者，作符合时代要求的新一代新媒人。
注释：
[1]葛哲学，孙志强.神经网络理论与MATLABR2007[M].电子工业出版社.2007.9。
[2]LI Xiangming， WU Longhai. Simulation research of fuzzy neural network cont roller [J].Journal of Wuhan University of Technology，2003，25 （1）：13216。
[3] [美]詹姆斯·波特.媒介素养[M].李德刚，译.北京：清华大学出版社，2012：6。
[4]李良荣.新闻学概论[M].上海：复旦大学出版社，2012：348。
[5]张开.媒介素养概论[M].北京：北京广播学院出版社，2006：173。
[6]詹新惠.新媒体编辑[M].北京：中国人民大学出版社同，2013：19。