新闻纠纷

摘要： 社会新闻作为百姓茶余饭后的谈资在供读者津津乐道点评其中的人物或事件的同时,作为传统媒体也需要注意到生活中的任何事物都存在两面性,通过辩证的眼光看待问题将让事件真相呈现得更全面透彻的同时,也能让新闻报道的现场还原度充分提升。在早期的新闻报道中,部分作者曾出现过对客观事实不尊重或在调查不充分的前提下将不真实的事件擅自登报或文章含有错误舆论导向等不当操作,不仅会让读者质疑传统媒体的公信力,甚至还会让刊发媒体承担相关法律责任,带来经济损失。本文将通过分析省内外较为典型规避新闻纠纷案例的形式,以阐明社会新闻报道追求真实性的意义和避免因报道产生纠纷之必要性。

摘要： 在新时代的新闻工作中,如何把握火候,在新闻采访写作中做到客观公正,遇到新闻纠纷时不慌乱,积极应对,妥善解决问题,将大事化小、小事化了,并在协调处理中汲取经验教训,是媒体人应该具备的一种能力.

摘要： 面对与日俱增的新闻纠纷,急需多元化的纠纷解决方式,构筑和谐社会,提升传媒的公信力.何为新闻纠纷、新闻纠纷性质如何、新闻纠纷能否仲裁及如何构建我国的新闻纠纷仲裁制度,这些问题的解决应重点从纠纷性质、司法实践和现实基础方面论证,以便建立我国新闻纠纷的仲裁制度.

摘要： 在新闻传播过程中,由于新闻作品、新闻采访以及新闻报道等方面板易导致新闻纠纷,因而必须对此有深刻的认识.本文探讨了新闻纠纷问题,首先分析了新闻纠纷产生的原因,在此基础上就如何解决新闻纠纷提出对策.

摘要： 根据我国《仲裁法》可仲裁范围的规定，新闻传受双方平等主体之间发生的属于合同或其他财产权益性质的纠纷，具备可仲裁性。为创新有效化解我国新闻纠纷的非诉讼模式，应从仲裁机构、仲裁队伍以及仲裁程序等方面构建灵活高效的新闻仲裁制度。

摘要： 诉讼一直是我国当前解决新闻纠纷的最主要形式,却不是最好形式.调解在新闻纠纷的化解上有着先天优势,然而由于种种原因,调解在新闻纠纷上的调解功能并没有被完全释放.在法律上明确将新闻调解前置于新闻诉讼,有着国内良好的基础和域外可借鉴的成功经验,不仅有助于减轻新闻纠纷当事人讼累、减缓法院诉讼压力,还有助于专业化、彻底地解决新闻纠纷,完善我国新闻纠纷的多元化解决体系.

摘要： 对于新闻纠纷的化解,调解相对于诉讼有着适用范围更广、经济成本更低、程序效率更高、救济手段更活的优势。在我国现有的人民调解体系之外设立专业性的新闻调解机构,是新闻调解制度得以有效实施的前提。新闻调解协议的法律效力及协议履行机制,是构建新闻调解制度的核心。

摘要： 新闻仲裁属于新闻纠纷的非诉讼解决机制的范畴,又是新闻自律的重要方面.国际上主要有两种不同的新闻仲裁模式:一是韩国言论仲裁委员会模式,一是美英的新闻评议会模式.前者具有半官方、半司法性质而后者更具民间独立性,两者在机构设置、人员产生、资金来源、仲裁基础,仲裁方式等方面明显不同.本文意在考察国际新闻仲裁制度的基础上,为构建我国新闻仲裁制度做点抛砖引玉的思考.

摘要： 随着法律知识的普及和维权意识的增强，批评性报道正面临着前所未有的挑战。批评者被“反批评”，曝光者被送上法庭。进行批评性报道的媒体屡屡从居中的第三方的位置上跌下，被迫卷入一次次新闻纠纷、一场场新闻诉讼。如何提高批评性报道的质量，尽量避免和减少不必要的新闻纠纷和新闻诉讼，在维护公众利益的同时，有效地保护自己，已成为媒体急迫而严峻的课题。对这一课题的有益回答，不但能节省有限的司法资源，而且能提高媒体的公信力，增强批评性报道的力度，使媒体全神贯注、全力以赴地实现自身的使命。下面，笔者就尝试着谈一些对这一问题的思考。

摘要： 一种社交媒体事件级新闻中新闻媒体影响力评估方法，属于数据挖掘和复杂网络技术领域，用于解决评估新闻媒体影响力的问题，技术要点是包括R1、采集社交媒体数据，构建事件语料库；R2、统计语料库中各用户的相关数据；R3、构建转发网络；R4、构建评价模型评估新闻媒体影响力；R5、以国家为单位，对影响力进行可视化；本发明可以从事件层面出发，评估新闻媒体影响力，并以国家为单位对影响力进行展示。

摘要： 本发明实施例公开了一种语音新闻的处理方法，包括：对待处理新闻文本进行分段处理，获得至少一段分段待处理新闻文本；将所述各分段待处理新闻文本分别进行语音转换，获得各分段语音新闻；将所述各分段语音新闻进行合成，获得所述语音新闻；将所述语音新闻推送给终端。本发明实施例还公开了一种新闻服务器及系统。采用本发明，新闻服务器可自动对待处理新闻文本进行分段快速处理，获得语音新闻并推送给终端，提高语音新闻的时效性。

摘要： 本发明提供了一种基于海量新闻数据事件热度的新闻推荐方法，首先利用Solr搜索引擎，从海量新闻文本数据中快速搜索出具体事件的新闻数据；接着利用HanLP自然语言包对新闻进行分词，通过构建事件词典，并将分词结果与词典进行匹配，根据新闻匹配程度筛选新闻；考虑事件的累加效应和新闻的衰减特性，进一步建立衡量事件热度的计算模型，从而分析事件的热度趋势变化情况，根据事件热度情况推荐新闻。本方法实现了通过构建事件词典，从海量新闻数据中筛选事件新闻，利用非结构化的新闻媒体数据，感知事件舆论热度演变趋势，根据事件热度推荐热点新闻。

摘要： 本发明公开了一种基于智慧化纠纷事件处理的医院纠纷服务平台及方法。其监管方法，具体步骤包括如下：对患者发起的纠纷信息进行登记，包含患者基本信息、患者相关诊疗信息、患者纠纷原因与诉求等内容；将所述数据互联模块以及业务终端获取的相关数据存储在数据库中；将所述监管规则信息与所述业务终端纠纷信息进行对比，形成纠纷事件监测；管理终端对各项数据信息进行查询与查看，自动生成相关数据信息统计分析图形、报表与报告；管理人员依据分析结果进行专项调查与质量改进。本发明为医疗纠纷预防、调解和处理提供风险预警，从而推动医疗投诉纠纷处理工作实现信息化、科学化、专业化管理。

摘要： 本发明提供了一种新闻推荐方法及新闻推荐系统，涉及信息处理技术领域。本发明先获取当前用户信息、用户行为信息以及后台推送的新闻数据；然后根据当前用户信息、用户行为信息以及新闻数据中的新闻特征从所有新闻数据中预筛选出候选新闻数据；之后利用多头注意力机制的特征交叉模型对候选新闻数据计算获得新闻推荐指数；最后将新闻推荐指数最高的候选新闻数据推送给当前用户。上述技术方案利用多头注意力机制的特征交叉模型计算用户对候选新闻数据的推荐指数，能够找到推荐指数最高的新闻，从用户被动获取新闻到主动推荐新闻，达到了提升车载终端智能化体验感。

摘要： 本公开提供了一种虚假新闻判别模型的训练方法、虚假新闻判别方法及装置。该训练方法包括获取新闻训练样本集，其中，新闻训练样本集包括多个训练样本和与训练样本对应的标签数据，其中，训练样本包括异构图，异构图是根据与新闻相关的节点和节点关系生成的，节点包括分别对应于新闻内容、推广内容和用户信息的多个初始向量，节点关系包括根据与新闻对应的关联关系和关注关系生成的邻接矩阵；将新闻训练样本集中的训练样本输入异构图神经网络，输出预测结果；将预测结果和标签数据输入损失函数，得到损失结果；根据损失结果迭代地调整异构图神经网络的网络参数，生成经训练的虚假新闻判别模型。

摘要： 本发明公开了一种基于关键句组、新闻原文的新闻评论过滤方法及系统，包括：获取新闻原文对应的一个关键句组，并根据GPT－2模型，计算得到所述关键句组对应的多个第一新闻评论；根据RoBERTa模型，对所述关键句组以及对应的所述第一新闻评论进行情感分析，得到所述关键句组对应的第二新闻评论；对所述关键句组以及对应的所述第二新闻评论进行语义匹配，得到所述关键句组对应的第三新闻评论，完成对所述关键句组的新闻评论过滤。本发明对新闻原文对应的关键句组进行依次选取并生成多个新闻评论，丰富了新闻评论的多样性，并且对生成的新闻评论进行情感分析和语义匹配，以过滤与新闻原文情感和语义不匹配的新闻评论。

摘要： 本发明涉及一种基于新闻环境信息建模的虚假新闻检测方法，其特征在于：基于待检测新闻获取其发布前若干天内的新闻消息集合，将其作为宏观新闻环境；从新闻消息集合中提取与待检测新闻相似度最高的若干条新闻，将其作为微观新闻环境；基于待检测新闻向量与宏观新闻环境所有新闻元素向量的相似度计算宏观环境感知向量；基于待检测新闻向量和微观环境中心向量与微观新闻环境所有新闻元素向量的相似度计算微观环境感知向量，其中微观环境中心向量为微观新闻环境所有新闻元素向量的均值；获取虚假新闻检测器的对待检测新闻的新闻表示向量，将新闻表示向量与所述宏观环境感知向量和所述微观环境感知向量融合，并基于融合结合判断该待检测新闻的真假。

摘要： 本发明公开了一种基于新闻场景下用户行为的个性化新闻推荐方法，该方法包括：获取用户在新闻平台的历史行为数据集，利用该数据集来构造特征集，并对该数据集作预处理，通过所构建的多路召回模型，得到新闻推荐候选集，再将新闻推荐候选集输入混合排序模型中，得到最终的新闻推荐结果序列。本发明在多路召回阶段提供了基于关联规则与多因子模型改进的协同过滤算法，减小推荐排序的数据规模，提高后续排序效率。此外，在排序阶段提供了混合排序模型对新闻推荐候选集进行排序，结合机器学习算法的特征可解释性与深度学习算法的高语义表征能力，在保证推荐结果合理的同时提升了推荐效果。

摘要： 本发明提供一种虚假新闻识别模型构建方法、虚假新闻识别方法与装置。其中，虚假新闻识别模型构建方法包括：获取新闻数据集，提取新闻数据集中每条新闻对应的文本特征信息和图片特征信息，并将每条新闻对应的文本特征信息和图片特征信息进行联合操作，得到每条新闻对应的多模态特征，将所有新闻对应的该多模态特征输入初始虚假新闻识别模型中，并利用交叉熵损失和对比损失对初始虚假新闻识别模型进行联合训练，得到最终的虚假新闻识别模型。本发明通过将同一条新闻对应的图片特征信息和文本特征信息联合作为模型的输入来构建虚假新闻识别模型，并通过对交叉熵损失与对比学习损失的联合训练，提升了对虚假新闻检识别的准确度。