時政名人姓名檢測系統(tǒng)的設(shè)計及其在字幕制作中的應(yīng)用

□李海彬

一、引 言

電視時政新聞的采訪對象主要是國內(nèi)外的一些時政名人，為他們出字幕人名條是字幕員的日常工作之一。這個工作看似簡單，然而卻是最容易犯錯誤的地方，特別在大型會議的電視直播過程中，由于值班時間長、制作任務(wù)重等客觀原因，加上心情緊張等主觀因素，會增加人名字幕出錯的概率，從而造成播出安全事故。

如何將此類錯誤發(fā)生的概率降低呢？我們認(rèn)為應(yīng)該通過技術(shù)的手段去解決，而不僅僅只通過人工校對審核的方式，在本文中將介紹自主研發(fā)的一個時政名人姓名檢測系統(tǒng)。

二、立項(xiàng)背景

我臺新聞頻道在某次電視直播中，將某位領(lǐng)導(dǎo)的字幕人名條錯打?yàn)槟趁餍堑拿郑Y(jié)果造成了播出事故。事后經(jīng)分析發(fā)現(xiàn)，前線記者在文稿系統(tǒng)中錄入稿件時使用的是拼音輸入法，由于兩個名字的拼音相近而造成原稿存在錯誤，而字幕員將文稿串編單里的新聞標(biāo)題復(fù)制到字幕機(jī)軟件制作人名條時，因?yàn)闄z查上的疏忽而造成了本次事故。

這個教訓(xùn)是深刻的，為了在今后的工作中減少此類事件的發(fā)生，頻道領(lǐng)導(dǎo)認(rèn)為需要建立時政名人姓名檢測系統(tǒng)，并根據(jù)字幕員的工作習(xí)慣，要求將此功能集成到新聞文稿系統(tǒng)中。

三、檢錯算法的難點(diǎn)

初步的思路是建立一個時政人名庫，將國家和省內(nèi)主要領(lǐng)導(dǎo)的名字，以及一些外國國家首腦的中文譯名錄入庫中，檢錯系統(tǒng)以此為標(biāo)準(zhǔn)進(jìn)行字符串匹配，將打錯的名字標(biāo)注出來。

假設(shè)某位時政名人的名字為“張小軍”，當(dāng)天有一條關(guān)于他的新聞如“張小軍到北海調(diào)研”，結(jié)果名字中“軍”錯打成“君”，此時系統(tǒng)可以用彩色字體明顯地標(biāo)注出錯之處，如“張小君（紅字顯示）到北海調(diào)研”。

檢錯算法的原理是將人名庫里的名字與新聞標(biāo)題里的內(nèi)容進(jìn)行逐字匹配，從而找出可能錯誤的名字，如果要完成如上的檢測，算法的一般流程如下：

1.將姓名逐字分拆為“張”“小”“軍”三個字；

2.先查找“張”字的位置，在找到后檢測其后的字符是否為“小”及“軍”，從而找到錯誤的位置；

3.如果“張”字沒有找到，就從“小”字開始查找，找到后檢測其后字符是否為“軍”字，如果姓氏出錯了，則報錯。

在姓名由3個文字組成的情況下，這種算法可以檢測出1個文字的錯誤，如“章小軍”“張曉軍”等，而如果出現(xiàn)2個以上的文字錯誤就無法判斷對錯了。對于因拼音輸入法的問題造成兩個名字的中文漢字完全不同時，根本就沒有辦法檢錯。

另外，這種算法存在一個重要的漏洞，即當(dāng)新聞標(biāo)題中未包含人名時，則檢測的結(jié)果也可能會出錯。例如新聞標(biāo)題“我區(qū)邊防某部隊參加國慶60周年大閱兵”，標(biāo)題中并未包含人名，但假如人名庫中存在“李國慶”這樣的名字，此時就會產(chǎn)生錯誤的檢測了。人名庫記錄的人名數(shù)量越多，檢測錯誤的概率就會越高。

因此，在現(xiàn)有的技術(shù)條件下，要完成上面所說的姓名檢錯基本不可能。

四、設(shè)計思路

既然無法完成“姓名檢錯”，那就做一個“姓名檢對”功能，即通過人名庫里的名字，與新聞標(biāo)題進(jìn)行字符串匹配，如果匹配成功則表示名字錄入正確，將正確的名字采用不同的顏色標(biāo)注出來，使字幕員可以一眼分辨出錯對。

假設(shè)人名庫中記錄了這些名字：張福明、劉正軍、馬峰、何洪海。將這些名字與某天的新聞串編單標(biāo)題進(jìn)行逐一匹配，其結(jié)果應(yīng)該如表1所示。

表1　新聞串編單

其中第1～3條匹配成功了；第4條將“何洪海”打錯成了“何紅海”，匹配失敗；第5～6條新聞標(biāo)題中沒有人名庫中的名字，匹配失敗。

實(shí)現(xiàn)這種檢測的軟件算法就簡單多了：將人名庫中的名字分別與新聞串編單的新聞標(biāo)題逐一進(jìn)行匹配，假設(shè)人名庫中的人名數(shù)量為N，新聞條目為M，需要進(jìn)行N×M次檢測即可得到全部檢測結(jié)果。

圖1　人名檢測算法

那這種算法的實(shí)際檢測速度如何呢？該系統(tǒng)預(yù)計人名庫的人名數(shù)量小于200，新聞串編單條目小于100，新聞標(biāo)題的平均字符數(shù)小于100字節(jié)。則最多需要檢測200×100=20000次，遍歷字符串總長度為2MB字節(jié)，經(jīng)測試其運(yùn)算所需時間非常少，可以忽略不計。

五、實(shí)現(xiàn)方法及效果

（一）建立人名庫

在文稿數(shù)據(jù)庫中增加一個數(shù)據(jù)表，表名為leader，字段如下：Names nchar(20)：存儲姓名

BkText ntext：存儲備注信息

增加人名庫編輯模塊，用于動態(tài)更新信息，如圖2。

圖2　人名庫編輯管理模塊

（二）檢測及標(biāo)注方法

在完成檢測后，如何將錄入正確的人名區(qū)分出來呢？這里采用HTML網(wǎng)頁封裝方式。即將檢測結(jié)果輸出為HTML文件，對于匹配成功的名字使用紅色字顯示，而其他內(nèi)容使用黑色字顯示。

HTML又稱為超文本標(biāo)記語言，其結(jié)構(gòu)包括“頭”部分和“主體”部分，通過標(biāo)記符號來標(biāo)記要顯示的網(wǎng)頁中的各個部分，其源程序?yàn)槲谋疚募恍枰幾g執(zhí)行，瀏覽器按順序閱讀HTML文件內(nèi)容，然后根據(jù)標(biāo)記符解釋和顯示其標(biāo)記的內(nèi)容。

圖3　《廣西新聞》串編單模塊

由于涉及HTML結(jié)構(gòu)的輸出，因此在算法步驟上做了一些改動，首先是將串編單里的全部新聞標(biāo)題進(jìn)行HTML結(jié)構(gòu)封裝，合成為一個長的字符串，之后再進(jìn)行人名匹配和標(biāo)注。在文稿串編單模塊增加一個功能按鈕，如圖3。

點(diǎn)擊“人名檢測”功能按鈕，檢測功能將按以下步驟工作：

1.在內(nèi)存中創(chuàng)建一個最基本的HTML文件頭部結(jié)構(gòu)和表格結(jié)構(gòu)：

2.將每條稿件的序號、新聞標(biāo)題用

3.加入表格及HTML文件的尾部結(jié)構(gòu)：

4.循環(huán)調(diào)取人名庫的每個名字，分別與內(nèi)存中的HTML格式字符串進(jìn)行匹配；

5.將匹配成功的名字進(jìn)行字符串替換，加上字體顏色標(biāo)簽：如“張福明”替換為“”；

6.將內(nèi)存中的HTML格式字符串輸出到文件，通過瀏覽器控件顯示。

執(zhí)行檢測的結(jié)果如圖4。從圖中可以看到，第3、4、9、10、11條新聞標(biāo)題中，成功檢測出人名庫里記錄的名字，并使用紅色字做了標(biāo)注；而第16條新聞標(biāo)題中雖然也出現(xiàn)了一個人名“唐宇濤”，但由于這個名字沒有錄入到人名庫中，因此沒有標(biāo)注出來。

圖4　人名檢測結(jié)果

通過圖4的檢測結(jié)果，字幕員很容易區(qū)分哪些新聞標(biāo)題中時政名人的姓名是正確的，對于沒有提示的新聞標(biāo)題，重點(diǎn)進(jìn)行檢查即可。在確認(rèn)無誤后，即可直接將網(wǎng)頁里的新聞標(biāo)題復(fù)制到字幕軟件中進(jìn)行制作。

六、結(jié)語

檢測系統(tǒng)雖然無法從根本上解決字幕人名條中錯打時政名人名字的問題，但通過對匹配成功的人名進(jìn)行標(biāo)注提示，提高了字幕員人工校對的效率，也大大降低了字幕出錯的概率。檢測系統(tǒng)在2017年10月初建成并投入使用，為2017年十九大、2018年廣西“兩會”和全國“兩會”等重要保障期的新聞安全播出做出了貢獻(xiàn)。