新闻知识

摘要： 互联网时代,在传统新闻专业主义尚存在争议,新闻专业化体制在中国还未全面建立的情况下,"去专业化"的浪潮已经来势汹汹.公民新闻、人工智能、UGC模式兴起,网络媒体对传统媒体的打击让业界与学界都对未来新闻业忧心忡忡.当"转型"已成为常态,更多人开始思考新闻业"再专业化"的窗口在哪里?如何利用新闻的"知识"特性?文章尝试以一种"全局性"的视野带入新闻业,从编辑、平台对新闻聚合的全局把关入手,探讨从这方面对新闻权威重塑的可能性.

摘要： 近日,刘民安评论集《一抹阳光》由北京团结出版社正式出版。刘民安是陕西日报社高级编辑,曾任陕西:省新闻研究所所长兼《新闻知识》主编。这部评论集主要收录的是作者近年来的作品百余篇约25万余字,有评论,有杂文,也有部分述评文章。题材比较广泛,作品的触角从国内延伸到国际,从业内到业外各个领域。作者评述新闻和相关事件及人物,注重客观性和说理性,特别是在充分肯定改革开放、弘扬正能量、鞭挞不正之风和丑恶现象上着墨较多,使文笔尽量饱蘸情感,切实做到以理服人,给人以启迪和帮助。本书因此也得到了业界专家们的肯定和鼓励。

摘要： 邮发代号:52-188全国新闻重点期刊中国社科期刊学术论文统计数据库核心刊物中国学术期刊综合评价数据库统计源期刊中国核心期刊(遴选)数据库收录期刊第一、二届陕西省一级期刊自发邮发两便汇款订阅快捷订阅2019年《新闻知识》仍为自发和邮发两个渠道。订户可直接向本刊汇款订阅,亦可从邮局订阅。每本10元,年价120元(含邮寄费)。请将订费直接汇至西安市环城南路东段1号《新闻知识》发行科。款到即寄发票。

摘要： 全国新闻重点期刊中国社科期刊学术论文统计数据库核心刊物中国学术期刊综合评价数据库统计源期刊中国核心期刊(遴选)数据库收录期刊第一、二届陕西省一级期刊自发邮发两便汇款订阅快捷订阅2019年《新闻知识》仍为自发和邮发两个渠道。订户可直接向本刊汇款订阅,亦可从邮局订阅。每本10元,年价120元(含邮寄费)。请将订费直接汇至西安市环城南路东段1号《新闻知识》发行科。款到即寄发票。

摘要： 贺玲，1947年生于陕西省渭南市。小学时担任少先队文艺委员，因能歌善舞，1960年小学毕业考入陕西广播文工团演员训练班、1964年入伍，结束军营生活后。先后在兰州长途电信局政治处宣传科任宣传干事，《陕西集邮》任编辑、记者。因热爱写作，先后在西安文学院学习文学创作、西北新闻刊授学院学习新闻知识、中央党校经济管理本科班学习经济管理。

摘要： 翟文茜在2018第2期《新闻知识》上撰文说：如今，网络媒体与传统媒体相互依存已经成为了缺一不可的整体，两者之间既有竞争，但更多的是相互支撑和配合。构建传统媒体与网络媒体议程互动的良性机制，目的在于实现议题的良性扩散与聚集，保证议程互动中的各个环节相互协调，有机运转，实现媒体资源的优化配置。热点性的新闻议题设置。

摘要： 近年来,大众对国产纪录片的喜爱程度在逐年提升,尤其是年轻观众与高知群体,展示出越来越浓厚的观看兴趣。

摘要： 本发明涉及融入事件实体知识的汉越跨语言新闻事件检索方法，属于自然语言处理技术领域。本发明首先将汉语查询句翻译为越南语查询句，之后识别出候选文档中的事件触发词，并基于触发词对文档划分事件范围；然后识别查询句中的事件触发词并使用事件实体识别方法识别出事件范围和查询句中的事件实体；最后基于知识图谱和触发词得到事件实体的知识表示，将事件实体知识融入基于交互的排序学习算法中对候选文档进行排序。在汉越双语新闻数据集上的实验结果表明，本发明提出的融入事件实体知识的汉越跨语言新闻事件检索方法的NDCG和MAP均高于主流的汉越跨语言新闻事件检索方法，具有良好的检索效果。

摘要： 本发明公开了一种知识融合的多模态虚假新闻识别方法及装置，包括：分别提取新闻中的文本特征与图像特征；利用文本信息及知识图谱信息构建知识邻接关系矩阵，并将知识邻接关系矩阵输入卷积神经网络，得到知识特征；融合文本特征、图像特征与知识特征，并基于融合后的特征进行分类，得到所述新闻的识别结果。本发明直接使用卷积神经网络提取知识邻接关系矩阵的特征，简单鲁棒的引入了外部的大型知识图谱中的信息，整体提升了多模态虚假新闻识别的性能，具有良好的使用性。

摘要： 一种基于双知识图谱的新闻标题短文本分类方法，包含：对新闻标题短文本进行预处理，去除特殊字符；通过jieba分词工具提取新闻标题中的关键词，去除停用词；通过CNDBPedia外部知识库提供的API，将关键词链接到外部知识库获取实体集合；通过余弦相似度对实体集合进行消岐，得到候选实体集合；基于全局关键词共现信息，构建领域知识图，解决OOV问题；通过链接到外部知识库获取与实体相关的解释信息，丰富上下文语义信息；使用BERT获取原始新闻标题和实体链接的解释信息的字符级向量表示，并融合这两部分的向量表示，以弥补短文本信息不足的缺点；使用TextCNN来提取多个连续单词之间的N‑grams特征，捕捉深层次的语义信息；最后通过Softmax函数进行分类，得到最终的分类结果。

摘要： 本发明涉及推荐系统的新闻推荐领域，尤其是一种基于知识图谱的新闻推荐方法。1)根据新闻标题中的单词，找到其中所包含的知识实体，具体是通过实体链接技术和实体消歧技术找到新闻标题中包含的知识实体；2)使用词嵌入技术将新闻标题的单词序列转化为一组嵌入向量集，接着使用卷积神经网络提取标题的局部信息，然后使用一个基于新闻类别的注意力网络得到新闻标题的单词层面的表示；3)使用实体嵌入技术将新闻标题中包含的知识实体转化为实体向量，接着根据知识图谱的结构，使用消息传递机制，找到标题中包含的实体的邻居，最后使用消息聚合机制，将实体邻居的消息聚合起来，形成最后的新闻标题的知识层面的表示；4)根据第二步获得的单词层面的表示和第三步获得的知识层面的表示，获取新闻的最终表示；5)根据用户的历史点击新闻纪录和候选新闻，逐个计算历史新闻与候选新闻的相关性，以此获取不同历史新闻的权重，然后通过加权来获取用户表示；6)根据第四步计算的新闻表示和第五步计算的用户表示，通过内积操作来预测用户点击候选新闻的概率。

摘要： 本发明涉及新闻媒体技术领域，公开了一种基于知识图谱的新闻热度预测方法，旨在解决现有的新闻热度预测存在预测结果滞后的问题，方案主要包括：首先对现有新闻事件的新闻数据进行信息抽取，并根据抽取得到主题词、主要实体词以及事件三元组构建事件图谱；然后根据业务规则以及预设的事件匹配算法构建知识图谱检索引擎；在需要对待预测新闻文本进行热度预测时，对待预测新闻文本进行信息抽取，知识图谱检索引擎根据抽取得到的主题词、主要实体词以及事件三元组在事件图谱中匹配新闻事件；最后根据匹配得到的新闻事件的热度值及匹配得分确定待预测新闻文本的预测热度值。本发明实现了对新闻热度的提前预测，特别适用于媒体行业。

摘要： 本发明公开了基于知识增强和注意力机制的新闻推荐方法及系统，方法包括：获取用户对新闻链接的历史点击数据；获取候选新闻数据；将历史点击数据和候选新闻数据，均输入到训练后的新闻推荐模型中，得到为用户个性化推荐的新闻数据；新闻推荐模型，基于用户对若干个新闻链接的历史点击数据构建出若干个用户兴趣表示；将所有的用户兴趣表示均与每个候选新闻数据进行匹配，得到匹配结果；使用不同权重对所有的用户兴趣表示进行聚合，得到聚合结果；基于匹配结果和聚合结果得到用户感兴趣新闻的特征向量；将用户感兴趣新闻的特征向量与候选新闻的特征向量进行拼接，对拼接结果进行预测，得到推荐的候选新闻；将结果推荐给用户。

摘要： 本发明涉及文本纠错领域，具体涉及一种基于知识图谱的新闻领域多场景文本纠错方法，技术方案包括：对各大新闻网站进行数据爬取、分类以及过滤；然后进行信息抽取，获取实体关系属性、事件数据、实体词以及领域词；根据实体词与领域词得到正样本，对正样本进行处理得到负样本，正样本与负样本构成正负样本数据集；根据实体关系属性与事件数据构建新闻领域图谱知识库；根据新闻领域的不同应用场景搭建不同的文本纠错模型以及图谱知识库搜索引擎；对于待纠错的文本，进行分词处理、实体抽取及语义分析，获取上下位词语及实体关系，然后利用搜索引擎在图谱知识库进行图谱检索；根据文本纠错模型的类型进行不同的处理。本发明适用于新闻领域文本纠错。

摘要： 本发明提出一种基于产业知识图谱的新闻重要度的计算方法，涉及产业新闻重要度计算的技术领域，解决了当前新闻的重要程度获取方法缺少用户数据信息的情况下，无法对新闻重要度进行计算的问题，明确待计算新闻重要度的产业领域，确定新闻实体及新闻实体关系，基于新闻实体及新闻实体关系构建产业知识图谱；引入新闻实体节点介数、新闻实体节点度数、新闻实体节点紧密度、Page Rank算法指标对产业知识图谱进行评估；采用熵权法对所获取的指标进行计算，从而获取各个指标的权重；对各个指标的权重进行计算处理，获得新闻重要度分数，将重要度分数高的产业新闻推荐给用户，提升新闻推荐的质量和精确度。

摘要： 本发明涉及基于新闻知识图谱的知识表示学习方法，包括步骤：构建训练实体向量的正样本集和对应的负样本集；使用word2vec模型训练得到字向量矩阵；将正样本集、负样本集输入TransE模型中，经过Embedding层后得到实体向量；同时将实体、关系拆分为字符，根据字向量矩阵得到字符对应的字向量；将实体向量和字向量进融合得到高维特征向量；分别计算正样本、负样本的距离分数，迭代计算TransE模型的损失函数，反向传播更新Embedding层的参数。本发明利用TransE模型学习到新闻知识图谱中实体的特征，并使用额外的字向量提高语义信息的丰富性，以及提高TransE模型的知识表达能力。

摘要： 本发明提供一种基于地址树的新闻知识图谱构建方法，包括：确定事件类新闻的数据模型中的实体和实体间的关系；其中所述实体至少包括地名；还包括以下的至少一种实体：事件、时间、详情；且所述实体间的关系至少包括以下的一种类型：发生关系、救助关系、时间关系；提取新闻中的实体以获取以下的至少一种实体集合：地名集合P，事件集合E，时间集合T，详情集合I；根据地名集合P构建地址树，其中所述地址树的每一节点为一个地址，且所述节点间的关系为地址之间的隶属关系；步骤4、基于地址树进行层次化的知识融合，构建知识图谱。