朱園園

摘要：本文介紹了ANFIS的基本原理，提出基于ANFIS的新聞工作者媒體素養(yǎng)評估模型，為新聞工作者的考核明確了具體量化指標，運用采集的樣本數(shù)據(jù)對從事新聞工作人員的綜合能力進行全面系統(tǒng)地科學評估，實驗表明，自適應(yīng)神經(jīng)模糊方法能夠?qū)NFIS的新聞工作者媒體素養(yǎng)進行定性和定量綜合評估，驗證了評估模型的科學性和實用性，為新聞工作者的媒體素養(yǎng)綜合評定提供了數(shù)據(jù)支撐。

關(guān)鍵詞：ANFIS；新聞工作者；媒體素養(yǎng)；評估

習近平在黨的新聞輿論工作座談會上強調(diào)指出，要全面提高黨的新聞輿論傳播力、引導力、影響力、公信力。柴達木日報作為州委黨報、政府喉舌，是州委權(quán)威的發(fā)聲導向機構(gòu)。報社各類新聞工作者的媒介素養(yǎng)不同程度地反映著報紙的質(zhì)量，如何盡快培塑一批新聞媒介優(yōu)秀人才，是新聞工作的戰(zhàn)略舉措。結(jié)合作者新聞工作實踐，對如何有效地評估新聞工作者的媒介素養(yǎng)進行了深入思考。本文借助人工智能中的技術(shù)，提出的自適應(yīng)神經(jīng)模糊推理系統(tǒng)把神經(jīng)網(wǎng)絡(luò)與模糊邏輯兩者優(yōu)勢結(jié)合，通過學習訓練生成模糊控制規(guī)則，從而實現(xiàn)對新聞工作者媒介素養(yǎng)的精準評估，為新聞工作人才隊伍建設(shè)具有一定參考價值。

一、ANFIS基本原理

智能理論也就是神經(jīng)模糊[1，2]理論，主要是指模仿人的大腦神經(jīng)系統(tǒng)信息處理功能的智能化系統(tǒng)。它特有的模糊自適應(yīng)信息數(shù)據(jù)處理能力，能夠借助外部的樣本數(shù)據(jù)進行學習訓練，用訓練好的網(wǎng)絡(luò)模型來處理比較棘手的現(xiàn)實問題。ANFIS顯著特點是基于大量樣本數(shù)據(jù)學習得出的模糊隸屬度函數(shù)和模糊規(guī)則，不是依據(jù)個別專家的經(jīng)驗或是人為任意指定的。其核心思想是首先構(gòu)造出Sugeno模糊推理系統(tǒng)，在混合算法中條件參數(shù)的具體實踐上仍采取反向傳播算法，通過線性最小二乘估算法來調(diào)整得出相應(yīng)的結(jié)論參數(shù)，在進行逼近誤差函數(shù)過程中，利用誤差的最優(yōu)平方估計來進行，這樣既能保持網(wǎng)絡(luò)的穩(wěn)健型和克服陷入局部極小點的情況，又能加快數(shù)據(jù)訓練速度，進一步提高學習效率，確保評估出量化結(jié)果能收斂到參數(shù)空間的全局最小點。對于ANFIS而言，它屬于Sugeno型模糊系統(tǒng)，由前件和后件構(gòu)成。其典型的模糊規(guī)則形式為：如果x設(shè)為A，and y設(shè)為B 則z=f（x，y），其中前件模糊集合為A和B，而后件精確函數(shù)為z=f（x，y），通常情況下，輸入變量x和y的多項式為f（x，y），當f（x，y）為一階多項式時，所產(chǎn)生的系統(tǒng)就成為一階Sugeno模糊網(wǎng)絡(luò)模型，其結(jié)構(gòu)如圖1所示。

二、 裝備維修人員保障能力建模設(shè)計

（一）評估指標體系

詹姆斯·波特和大部分學者[3-6]認為，媒介素養(yǎng)有三大重要基石：個人定位、技能和知識結(jié)構(gòu)。無論是負責新聞報刊工作，還是在雜志出版社就職，都需要有新聞敏銳性、信息整合力、獨立剖析度。對新聞工作者的媒體素養(yǎng)進行評估，需考慮的因素較多。根據(jù)新聞媒介特點和工作要求，評估體系應(yīng)包含能、勤、績3個決策單元，根據(jù)各決策單元的評估指標，可建立新聞工作者媒介素養(yǎng)評估指標體系，如圖2所示。

（二）新聞工作者媒體素養(yǎng)評估模型構(gòu)建

訓練樣本的精確構(gòu)造是網(wǎng)絡(luò)模型能夠準確評估的關(guān)鍵。為保證客觀公正，最大程度地降低人為因素的影響，本文采用德爾菲法與層次分析法相結(jié)合的方式確定新聞工作者媒介素養(yǎng)各指標權(quán)重，然后對采集的數(shù)據(jù)進行標準化處理以獲得訓練樣本，最后采用有激勵與懲罰功能的變權(quán)綜合法思想對形成的初始樣本數(shù)據(jù)進行再處理，以構(gòu)造更為客觀準確的訓練數(shù)據(jù)。具體來說：

一是德爾菲法與層次分析法綜合確定各指標權(quán)重。采用德爾菲法，首先咨詢15～25名專家，根據(jù)專家咨詢對設(shè)計出的兩兩指標相對重要性進行打分評判，同時接受不斷反饋和修改。利用評判結(jié)果分別構(gòu)造指標體系的判斷矩陣，然后利用層次分析法計算出各個指標間的相對權(quán)重。根據(jù)所得的媒介素養(yǎng)指標權(quán)重，對采集的數(shù)據(jù)進行標準化處理即形成初始樣本數(shù)據(jù)。

二是樣本數(shù)據(jù)的“變權(quán)”處理。新聞工作者媒介素養(yǎng)的量化評估與各項指標因子密切相關(guān)，為克服常權(quán)綜合法因某項指標極差將使目標結(jié)果低于閾值或某項指標極好也會使融合度有超出閾值的缺點，在征集專家意見和綜合權(quán)衡的前提下，采用好的有激勵與差的有懲罰功能的變權(quán)綜合法，對訓練樣本進行再激勵或懲罰處理。具體處理如下：無論指標的權(quán)重高低，對指標值高于0.90的，給媒介素養(yǎng)評估結(jié)果以0.01的激勵；對指標值低于0.50的，對評估結(jié)果以0.02的懲罰。對于定量因素隸屬函數(shù)采取模糊分布來確定，對定性因素，在利用相關(guān)的隸屬函數(shù)確定隸屬度之前，首先要用專家咨詢法和專家評分法等方法進行具體量化處理。依上述方法根據(jù)實際采樣數(shù)據(jù)，對所得專家知識進行一系列統(tǒng)計處理后獲得精確訓練樣本數(shù)據(jù)如表1所示。

按照表中的數(shù)據(jù)，新聞工作者媒介素養(yǎng)的新聞敏銳性A、信息整合力B、C獨立剖析度、工作精神狀態(tài)D、作風和紀律情況E、采編新聞質(zhì)量F、采編新聞效率G以及履職盡責情況H等因素，媒介素養(yǎng)記錄如下：data=[A B C D E F G H Y]，運行MATLAB仿真軟件，把實測數(shù)據(jù)的矩陣data裝入其工作空間，根據(jù)實測數(shù)據(jù)自動生成初始FIS如圖3，機構(gòu)如圖4所示：

并對該FIS結(jié)構(gòu)進行訓練，采取50次訓練后，誤差僅為error=1.3936e-0.07，能很好地滿足新聞工作者媒介素養(yǎng)評估的誤差要求。拖動游標紅線或變動輸入量A—H的數(shù)值時，可以看到輸出量Y發(fā)生相應(yīng)的變化，給出相對應(yīng)的輸出值。如圖5所示，為A=0.805，B=0.795，C=0.805，D=0.810，E=0.785，F(xiàn)=0.800，G=0.795，H=0.795時，相應(yīng)的輸出效能Y=0.889?？梢娪肁NFIS建模能夠精確地評估新聞工作者媒介素養(yǎng)。

三、結(jié)束語

采用自適應(yīng)神經(jīng)模糊的算法從能、勤、績3個決策單元對新聞工作人員媒介素養(yǎng)進行評估，為考核新聞工作人員的綜合能力素質(zhì)提供了數(shù)據(jù)支持，較好地實現(xiàn)能力評估的量化和動態(tài)觀察，在實踐中更利于發(fā)揮新聞工作者的綜合能力。隨著微媒體時代進入生活，新聞工作者也需要著眼新媒介環(huán)境下重新定位，努力成為信息時代的探索、駕馭和管理者，作符合時代要求的新一代新媒人。

注釋：

[1]葛哲學，孫志強.神經(jīng)網(wǎng)絡(luò)理論與MATLABR2007[M].電子工業(yè)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.媒介素養(yǎng)[M].李德剛，譯.北京：清華大學出版社，2012：6。

[4]李良榮.新聞學概論[M].上海：復(fù)旦大學出版社，2012：348。

[5]張開.媒介素養(yǎng)概論[M].北京：北京廣播學院出版社，2006：173。

[6]詹新惠.新媒體編輯[M].北京：中國人民大學出版社同，2013：19。