一种基于多维度文本特征的新闻网页信息提取方法、系统、设备及介质

摘要

本发明提出一种基于多维度文本特征的新闻网页信息提取方法、系统、设备及介质，该方法可以有效获取新闻信息。在新闻信息提取任务中，传统的模型依赖于HTML标签，难以扩展至不同来源的新闻网页中使用。且只能将新闻内容整体提取，不能提取多种类新闻属性信息。基于上述两个难点，本发明提出了基于多维度文本特征模型MTFE，该方法通过分析新闻网页的纯文本内容得到写作特征、位置特征和语义特征，通过卷积神经网络和长短期记忆模型学习出多维度的文本特征，从而提高文本特征的置信度。实验显示，本发明中的方法显著提高了多来源新闻网页提取多种属性新闻信息的效果，在10个中文数据集和5个英文数据集上均取得90％以上的F值，这证明了该方法的有效性。