新闻自动推荐配图的方法研究

摘要

随着中国互联网技术的快速发展，手机网络新闻用户的规模逐年增加，用户需求体验也不断提升，这对使用数字技术生产和加工新闻的方法提出了更高的要求。如何从爆炸式增长且杂乱无序的新闻来源中低成本的生产出数量巨大、内容准确无误的新闻，需要互联网新闻资讯的生产方式发生改变。 本文以新闻资讯的生产方法为切入点，以机器学习算法为理论基础，提出了一种基于多种算法融合的新闻自动推荐配图的方法。首先运用基于词袋模型的逻辑回归分类器将新闻文本二分类为配图上有文字的新闻文本和配图上无文字的新闻文本，然后针对不同的分类结果分别进行基于二类型文本相似度计算交叉融合的配图推荐和基于BP（Back Propagation）神经网络的配图推荐。前者分别用曼哈顿距离和潜在语义索引LSI（Latent Semantic Indexing）算法进行相似度计算，并将结果进行了交叉融合，为用户自动推荐与文本内容最匹配的10张图片。后者将图片和文本特征拼接作为输入特征，以预测图片和文本之间的关系，最后根据预测关系为用户自动推荐与文本内容最匹配的10张图片。该方法能够在新闻加工和生产的过程中减少人工匹配和校对的时间，促进了“机器+人工”的新闻资讯生产方式的发展，从而进一步推进了图片与文本之间的关系研究。

目录

声明

第一章 绪论

1.1 绪言

1.2 研究背景

1.3 研究内容和意义

1.4 本文的章节安排

第二章 相关研究现状

2.1 新闻研究现状

2.2 图文匹配研究现状

2.3 推荐算法研究现状

2.4 本章小结

第三章 数据预处理

3.1 数据来源及说明

3.2 数据预处理

3.3 本章小结

第四章 新闻自动推荐配图的方法

4.1 总体流程

4.2 基于词袋模型的逻辑回归分类

4.3 配图上有文字的新闻文本的图片推荐

4.4 配图上无文字的新闻文本的图片推荐

4.5 配图推荐实现

4.6 本章小结

第五章 实验与分析

5.1 评价指标

5.2 实验方案

第六章 总结与展望

6.1 总结

6.2 后续工作的方向

致谢

参考文献