新闻文本

摘要： 福柯的话语理论揭示了话语和知识权力的共生关系,突出了话语的实践功能,为思考西方新闻文本的话语建构提供了新思路。从考古学维度出发,新闻文本可被视作具有档案形态的历史性文本,它由文本作者、文本陈述与文本秩序所建构;从话语与权力的系谱学出发,新闻文本的话语建构又受制于外在的知识结构与社会制度。

摘要： 本文针对舆论引导的文本层面研究不足这一现状,尝试引入符号学、叙事学的理论和方法,探究舆论引导的新闻文本的话语机制,提出舆论引导研究的符号学、叙事学路径,并以中国新闻奖获奖作品为例,采用文本分析的方法,将本文提出的研究思路落实到具体的文本研究之中。

摘要： 随着我国经济实力不断增强,社会的快速发展,我国体育事业建设迎来了蓬勃发展阶段,2008北京奥运的成功举办,2022北京冬奥的准备工作也在有序进行。如今全球文化交流的日益繁荣,体育新闻传播成为我国掌握国际话语权和建设我国国际形象的重要路径。2020年初,新冠疫情暴发,我国政府迅速反应,制定了一系列防疫措施,全民响应,短时间内便扼制住了疫情的发展蔓延,向全世界展现了我国作为社会主义大国的实力和担当。该文通过对新华体育(@Xinhua Sports)和人民体育(@Sports China)的官方推特账号在2020.9.15—2020.11.30推送的中国体育新闻文本进行梳理,分析后疫情时代,主流媒体如何讲述中国体育故事。

摘要： 文中研究对于中文的新闻文本分类过程中如何进行文本特征提取的问题。新闻文本数据是嵌在各种网页中的,因为其句子较长,来源广泛,内容驳杂的特点,传统特征提取方法不能达到很好的效果。文中提出一种新的分类能力指数用于特征选择,并对TF-IDF算法做出改进用于加权计算。经实验验证,文中改进算法比原特征选择、权重计算算法有更高的准确性。

摘要： 智慧社区建设方兴未艾,是社区治理现代化的重要内容。运用潜在狄利克雷分配(LDA)主题模型法,对2015—2021年智慧社区新闻报道进行主题研究,全面展现中国智慧社区的实践现状、重要主体和治理模式。研究发现:“党建+网格化”治理模式是中国智慧社区建设重要制度支撑;治安和养老医疗是智慧社区服务发展的重要内容;疫情防控刺激了以政府主导、企业支撑为特征的智慧社区建设。

摘要： 新闻具有独特性,对高中新闻类文本阅读方法的研究尤为重要.教师应从聚焦与提取内容信息、揣摩与推敲语言文字、关注与把握框架结构、分析与整合文本结论、思考与探究内涵要义等方面,运用目的导向、假设替换、逻辑梳理、问题切入、现实联系等方法来进行新闻文本阅读.这样,既可以考查高中学生从新闻材料中聚焦与提取信息的能力,又可以考查高中学生对时事政治关心、了解与掌握的情况,从而更好地培养与提升学生的价值观、人生观与世界观.

摘要： 随着全球化趋势日益增强,中国对外开放进一步扩大,中国与世界各国的交流日渐频繁,"向世界说明中国"的需求日益迫切,新闻翻译的重要性不言而喻.该文从汉英新闻文本的比较出发,再就新闻文本的词汇、词组、句子翻译的具体案例加以分析,提出新闻翻译的相关建议,以期推动新闻翻译更好地发展.

摘要： 随着全球化趋势日益增强,中国对外开放进一步扩大,中国与世界各国的交流日渐频繁,“向世界说明中国”的需求日益迫切,新闻翻译的重要性不言而喻。该文从汉英新闻文本的比较出发,再就新闻文本的词汇、词组、句子翻译的具体案例加以分析,提出新闻翻译的相关建议,以期推动新闻翻译更好地发展。

摘要： 2020年初暴发的新冠肺炎疫情给旅游业带来了严重影响.本文基于PSR模型的压力、状态、响应三个维度,采用内容分析法,运用NVivo软件选取H省旅游部门发布的140篇新闻文本信息为样本进行编码,剖析H省政府部门对旅游业采取的扶持措施及新闻传播造成的影响.研究发现,将PSR模型应用于公共危机事件中的新闻分析,能够有效把握新闻舆论的关注点和政府发布的扶持政策的出发点,提高复兴旅游业的效率.最后,本文从制度建设、信息公开、新闻传播力等方面提出建议,旨在为H省旅游新闻的发展提供借鉴.

摘要： 在当今资讯高度发达的时代,学会阅读新闻类文本有着至关重要的价值和意义.尝试从叙事方法的角度,探寻新闻类文本的叙事结构、形式与叙事意图之间的关系,引导学生了解新闻类文本是"怎样写成的",以及"为何这样写",为学生能撰写一篇规范的新闻报道作理论基础指引.

摘要： 随着互联网在藏族地区的蓬勃发展,网络的使用已经成为了生活在甘肃、西藏、青海和四川等地区的藏族人民生活中不可缺失的一部分.话题发现与跟踪技术的提出是为了帮助人们从海量的新闻报道中发现未知的新话题和已知话题的后续相关报道.本文从实际情况出发，针对藏文新闻网站中的新闻文本，进行话题检测与跟踪技术关键技术的研究。研究内容包括藏文的基本研究、文本的表示方法、特征项权重计算方法、文本间相似度的计算方法、文本聚类及分类的研究。研究的成果有一定程度上基本符合预期要求，为藏文新闻文本话题发现与跟踪的进一步研究，起到了一定的基础。

摘要： 新闻与案件的相关性分析是法律领域新闻舆情分析的重要环节,可转化为新闻文本与案件文本的相似度计算任务.借助孪生网络计算文本相似度是一种有效途径,其对平衡样本具有良好的学习能力,但在新闻与案件的相关性计算中面临文本不平衡和新闻文本冗余的问题,因此,提出了基于非对称孪生网络的新闻与案件相关性计算方法.通过计算文本中句子与标题的相似度选取与新闻标题最相关的句子表征文档,去除新闻文本中的冗余句子,利用非对称孪生网络建模,考虑到案件要素蕴含案件的关键语义信息,将案件要素作为监督信息融入到非对称孪生网络中对新闻文档和案件描述进行编码,解决新闻和案件在结构和语义上不平衡的问题,最终实现新闻与案件的相关性判断.实验表明建立的模型相比基线模型准确率提升了2.5％.

摘要： 针对时间抽取的研究目前一般是基于时间抽取规范TIMEX2或TIMEX3采用规则或机器学习的方法进行处理,但是得到的时间信息缺少完全统一的形式,特别是在安全事件的舆情发现及分析等场景下很难直接利用.因此本文提出针对新闻中安全事件时间的信息抽取与转换方法,该方法首先对安全事件的新闻根据时间的分类分别对不同形式的时间进行抽取,然后利用六大时间转换算子及时间冲突处理算子输出其时间的年月日时分秒的统一格式.实验结果标明,采用该方法的抽取结果与使用条件随机场时间进行抽取结果上相差不大,并且在时间转换结果上的正确率可以得到90％以上.

摘要： 主题模型目前广泛应用于机器学习与自然语言分析等领域,该模型自动分析一系列未识别的文档,试图通过统计信息发现多个抽象主题.主题模型在新闻文本智能处理与推荐领域的应用前景十分广阔.本文首先从文档自动分类为出发点,介绍文本分析的一般流程.在此基础之上,介绍主题模型和基于LDA模型的文本主题特征提取原理.最后结合Spark大数据处理的内存迭代和分布式计算特性,实现了基于LDA模型的文本主题提取过程,并给出了在新闻文本数据集上的主题抽取与分类预测结果.

摘要： 本发明涉及一种融合主题信息和词向量提取文本特征的新闻分类方法。本发明所述的一种融合主题信息和词向量提取文本特征的新闻分类方法包括：使用Word2vec和LDA模型分别在语料库中训练词向量，word2vec经过TF‑IDF进行加权所得的词向量与LDA训练的特征扩展模型进行拼接得到短文本表示模型，将短文本表示模型输入到BIGRU中提取文本深层次信息的特征向量，最后使用softmax函数得到文本分类结果。本发明所述的一种融合主题信息和词向量提取文本特征的新闻分类方法，在提取过程中加入了文本的主题信息，将主题信息和文本的词向量进行融合，能够尽可能获得文本主题特征，具有分类准确率高的优点。

摘要： 本发明公开了一种基于富文本特征的新闻实体链接方法和系统，所述方法包括如下步骤：构建候选实体的知识图谱，其中所述知识图谱包括指称实体和候选实体；获取新闻数据，从所述新闻数据中识别指称实体，根据所述指称实体从所述知识图谱中查找候选实体；将所述新闻数据进行分句获取上下文短句列表，筛选包含所述指称实体的所有上下文短句，生成上下文特征列表，获取候选实体的描述文本特征和附加属性特征，构建富文本特征，将所述富文本特征输入到二分类模型中训练，训练完毕后用于预测指称实体和候选实体的匹配的分类概率。所述方法和系统结合Attention计算让模型综合性考虑了不同描述方式下的文本语境，极大程度上提高了模型在复杂文本场景下的辨识度。

摘要： 本发明公开了一种基于预训练的结合新闻标题和长文本内容的深度学习方法，该方法的目的是提高新闻文本的预测准确率。该方法的步骤主要包括：数据预处理，加载词汇表、模型参数及预训练模型，使用新闻标题训练基于预训练模型的新闻文本分类模型，使用新闻长文本内容训练基于预训练模型与分类算法结合的新闻文本分类模型，利用测试集对训练好的基于预训练的新闻文本分类模型进行验证。基于传统深度学习的文本分类方法对于中文新闻文本的预测效果不佳，针对这种情况，本发明在自行收集的数据集上提出了一种基于预训练的结合新闻标题和新闻长文本内容的深度学习方法，能够有效提高对中文新闻文本的预测准确率。

摘要： 本发明公开了一种基于自注意力机制与卷积神经网络的新闻文本分类方法，将深度学习技术应用与新闻文本分类工作中，能有效提高新闻分类的效率和准确度。所述的方法包括：将收集到的新闻文本预处理，转化为文本矩阵，然后将Transformer中多头自注意力机制与多层CNN结合使用，提取不同维度的文本特征，再连接Bi‑GRU进行新闻分类。取得了如下成效：（1）相较于基于机器学习的新闻分类方法，取得了更高的准确度；（2）解决了文本特征提取时使用循环神经网络RNN无法并行计算问题，提高了训练效率；（2）解决了RNN框架在处理篇幅较大的新闻文本时，效果较差的问题；（3）解决了新闻文本中，中文中不同语境下存在的一词多义问题。

摘要： 本发明公开了新闻文本导入自动计算及分类系统，包括业务模型模块，所述业务模型模块分别与用户界面模块和控制器模块电性连接，所述业务模型模块包括程序导入模块、文本导入模块和分类开始模块，所述用户界面模块包括显示模块、结果输出模块、更新优化模块和用户输入模块，本发明设置了十类新闻分类的类别，每类训练集测试为一百个，在经过不断的测试和分析得出结果显示，结果准确可靠，本发明的分类算法可用率很高，训练集的个数与准确结果为开口向下的二次曲线函数，同时本发明通过将新闻与训练集的分类进行概率计算，计算速度快，极大的提高了计算效率，同时本发明的在时间复杂度和f1_score均值上具有显著的提升。

摘要： 本发明提出了一种基于LSTM‑TextCNN算法的新闻文本分类方法和介质，方法包括：通过对新闻数据集D进行预处理，得到预处理后的数据集D1；通过无监督模型Word2Vec对数据集D1进行训练获得词向量模型矩阵V，矩阵V划分为训练集V1和测试集V2；构造LSTM‑TextCNN模型并设置训练流程，将V1作为训练样本同时输入LSTM和TextCNN模型；通过TextCNN模型获取到特征向量C1，通过LSTM模型获取到特征向量C2，通过Concatenate函数将特征向量C1和C2混合得到特征向量C，将特征向量C输入Softmax函数进行分类预测；最后将测试集V2输入到训练好的模型进行预测得到最终分类模型Mod。本发明通过利用TextCNN和LSTM提取文本特征的优势，将提取特征融合，在长短文本分类中表现出优异的性能，提高新闻分类的准确率，具有切实可行的实用价值。

摘要： 本发明公开了一种基于预训练模型变种的新闻文本分类方法及系统，属于文本分类领域。本发明采用BERT和RNN复合模型对数据集中的特征进行有效提取，对于已经经过预训练的BERT模型，其广泛适用于下游任务的各个集合，不需要利用重复数据进行训练，同时基于self‑attention机制可以有效的可以不仅可以得到源端与目标端词与词之间的依赖关系，同时还可以有效获取源端或目标端自身词与词之间的依赖关系。在此基础上，引入了RNN模型，用于捕捉长距离文本依赖上信息丢失的问题，对结果进行特征融合，在新闻文本分类上取得了较为理想的效果。

摘要： 本发明公开了一种包含标题及内容的多类别的中文新闻数据集的构建方法，目的是构建一个高效的新闻数据集。该方法的步骤主要包括：新闻文本数据搜集、数据清洗、数据集划分及评价，并使用英文制表符将标签、新闻标题和新闻内容分隔开，在传统机器学习算法和深度学习算法上进行文本分类实验并引入准确率、召回率、f1‑score值进行评价，实验结果表明，本发明的数据集在这些算法上的表现非常令人满意。目前已有的一些新闻文本数据集主要问题在于数据范围窄以及数据的时效性不强。本发明针对上述情况做了改进，数据范围更广、涵盖的范围更大，并且搜集到了更新的新闻数据。在进行了以上改进以后，本发明提出的数据集在诸多算法中能够取得较好的效果。

摘要： 本公开提供了一种识别新闻文本中与企业有关的实体的方法、计算设备和计算机可读存储介质。该方法包括：构建所述企业的企业知识图谱，所述企业知识图谱包括指示所述企业的业务要素的多个实体、每个实体的实体属性和各个实体之间的实体关系；从所述新闻文本中识别一个或多个提及实体、每个提及实体的属性和各个提及实体之间的实体关系；确定所述提及实体与所述企业知识图谱中的多个实体之间的实体距离；以及基于所述实体距离确定所述提及实体是与所述企业有关的实体。

摘要： 本公开提供了一种基于新闻文本进行企业风险评估的方法、计算设备和计算机可读存储介质。该方法包括：确定所述新闻文本是否满足预定条件；以及响应于确定所述新闻文本满足所述预定条件，确定所述企业存在舆情风险，其中确定所述新闻文本满足所述预定条件包括以下中的至少两项：确定所述新闻文本所对应的舆情事件的事件风险值大于风险阈值；确定所述新闻文本的情感极性低于情感阈值；确定所述新闻文本的主题类别并且确定所确定的主题类别属于特定风险主题集合；以及识别所述新闻文本中的提及实体并且确定所述提及实体命中所述企业的企业知识图谱。