新闻话题

摘要： 针对无监督聚类方法在应用于话题检测与追踪任务时难以学习到深层语义特征及任务相关特征,K均值聚类、潜在狄利克雷分布(LDA)等方法无法用于增量式聚类的问题,提出基于预训练语言模型的BERT-Single半监督算法。首先使用小规模有标注数据训练预训练语言模型BERT,使BERT模型学习到任务特定的先验知识,生成能够适应话题检测与追踪任务且包含深层语义特征的文本向量;然后利用改进的Single-Pass聚类算法将预训练语言模型学习到的有标签样本信息泛化到无标签数据上,提升模型在话题检测与追踪任务上性能。在构建的数据集上进行实验,结果显示,相较于对比模型,BERT-Single模型精确率至少提升了3个百分点、召回率至少提升了1个百分点、F1值至少提升了3个百分点。BERT-Single模型对于解决话题检测与追踪问题具有较好效果,并能够很好地适应增量式聚类任务。

摘要： 为推动新闻话题的传播収展,本文提出新媒体视域下新闻话题传播的运作与功能分析.传播运作方面,定位新闻信息受众,谨慎选择新闻话题,精准引导媒体议程,立体化渗透新闻信息;采用即时交互式模式,整合传播渠道,考虑各个终端受众信息需求,呈现多样化选择趋势,提高话题热度;利用短期焦点的集中报道,保证新闻话题获得良好市场反应,利用长期深度报道,収掘新闻市场优势;借鉴外网媒体先进理念和成功经验,将同一类型话题打造成有特色的精品栏目,塑造话题品牌.功能分析方面,认为新闻话题能够建立社交关系,提高新闻信息扩散广度;为受众提供平等的虚拟身份,具有优质信息流通性.

摘要： 在北美地区,人们都流行自穿各种丑陋的毛衣庆祝圣诞,或配色夸张,或图案、装饰新奇。芬兰的一家报纸Helsingin Sanomat由此得来灵感,在节日前夕与TBWA合作设计出了一系列“丑陋真相毛衣”。与一般圣诞毛衣不同的是,此毛衣的特色不在于图案,而在于这些图案传递的含义。该系列毛衣将过去一年气候变化、海洋中的塑料污染、战争、性骚扰、技术操纵等“最丑陋”的新闻话题具象化,并以“真相也许丑陋,但它永远不会过时”为口号,让公众关注到世界糟糕的另一面。

摘要： 从前，有一个穷人，他只生了一个儿子。儿子在出生时，天上吉星高照，看见的人都说他这个儿子有红运，在十四岁的时候会和国王的女儿结婚。正巧，这个王国的国王在孩子出生后不久微服私访，他从这个村庄经过时，询问这儿是不是有什么新闻话题。有个人说：“有的，这儿刚出生了一个孩子，人们都说这是一个很幸运的孩子，还说他在十四岁的时候，命中注定要和国王的女儿结婚。”

摘要： 融合新闻命名实体、新闻标题、新闻重要段落、文本语义等多特征影响,提出基于多特征融合文本聚类的新闻话题发现模型.模型根据新闻的多特征影响,提出一种多特征融合文本聚类方法.该方法针对新闻标题、新闻重要段落等特征因素构建向量空间模型及相似度算法,基于潜在狄利克雷分配模型构建主题空间模型及相似度算法,针对命名实体构建命名实体模型及相似度算法,并将三种相似度算法形成最优融合.基于多特征融合文本聚类方法,模型改进了用于新闻话题发现的Single-Pass算法.实验是在真实新闻数据集上开展的,实验结果表明:该模型有效地提高了新闻话题发现的准确率、召回率和综合评价指标,并具有一定的自适应能力.%The news topic discovery model based on multi feature fusion text clustering was proposed fusing multi features of news,such as named entities,news headlines,important paragraphs,text semantics and so on.Based on the multi feature influence of news,a multi feature fusion text clustering method was put forward in this model.In this way,vector space model and similarity algorithm based on feature words,news headlines,important paragraphs were constructed,subject space model and similarity algorithm based on latent Dirichlet allocation were constructed,named entity model and similarity algorithm based on named entities were constructed,and those three similarity algorithms were fused optimally.Based on multi feature fusion text clustering method,the Single-Pass algorithm used.in the news topic discovery was improved.Experiments were carried out on the real news data set,and the experimental results show that the model can improve the accuracy rate,recall rate and comprehensive evaluation index of the news topic discovery,and have some ability of self-adaption.

摘要： 新闻话题及其它的演化研究可以帮助人们快速了解和获取新闻内容。本文提出了一种挖掘新闻话题随时间变化的方法，通过话题抽取、话题过滤和话题关联实现话题的演化。首先应用LDA对不同时间段的文集进行话题的自动抽取，话题数目在不同时间段是可变的;根据话题对文档的贡献度过滤话题：计算相邻时间段中任意两个话题的分布距离实现话题的关联。实验结果证明该方法不但可以描述同一个话题随时间的演化过程，还可以描述话题内容随时间的变化，反映了话题(或子话题)之间多对多的演化关系。

摘要： 本发明属于自然语言处理技术领域，具体涉及一种新闻资讯话题检测及实时聚合方法。该方法通过数据采集、数据处理、文本融合模型构建、实时聚合从容完成新闻资讯的实时推送。在利用一种多特征融合的方法来进行文本特征模型的构建的基础上，采用一种分布式实时流数据计算的方法，将话题聚类任务分发至不同的计算节点上，提升了新闻资讯实时聚合的准确率和实时性，解决了单节点下的性能问题，最后可以将新闻资讯聚合结果通过一种终端装置推送给最终用户，方便实用。

摘要： 本发明公开了一种面向实时新闻内容的流式话题演化跟踪方法，首先把实时采集的新闻内容，按时间段进行分批，对每一批新闻内容采用LDA方法挖掘初步话题结果；接着，在这一批新闻内容内部进行命名实体识别，并计算话题与实体间关联，以此更新实体库中的实体链接关系；然后，通过话题内部词项聚类，得到话题‑话题内类簇对应关系，并将话题结果存入话题库；最后，计算话题及其内部类簇的热度信息，并根据热度信息对LDA话题挖掘参数进行动态更新，供下一批新闻内容的话题演化跟踪使用。本发明可挖掘实时新闻内容中的话题特征以及话题内词项的类簇特征，充分利用话题间以及话题内不同类簇间的差异性，对LDA话题挖掘参数进行动态更新。

摘要： 本发明提供的一种官方媒体新闻中话题的推送方法及装置，涉及通信领域，通过获取官方媒体提供的新闻的关键词信息和关键词对应的权重信息，与预先构建好的话题库中话题对应的关键词信息和关键词对应的权重信息，一一进行匹配比对，确定官方媒体提供的新闻所属的话题，将官方媒体提供的新闻中属于该话题的新闻信息推送给官方媒体用户，使得官方媒体能够基于互联网上话题对新闻进行有效推送，及时得到用户的关注，向用户展示优质新闻。

摘要： 本发明公开了一种面向新闻的热点话题检测方法、装置及设备，所述方法包括：针对预处理技术；将信息流划分到不同的时间窗口，通过提取标题特征和正文特征表达文本或话题；对同一时间窗口内的文本，使用凝聚层次聚类建立时间无关的话题检测模型，实现微聚类。对不同时间窗口内的话题使用单遍法建立跨时间窗口的话题检测模型，实现最终的话题聚类；最后，利用TextRank算法，通过先计算单文本的简要表达，再在单文本表达基础上进一步使用TextRank算法得到话题表达，实现对新闻自动归类，展现的目的。

摘要： 本发明提供了一种海量新闻热点话题提取方法和系统。所述方法，包括采用并行化的训练模型获取得到新闻文本数据间的相似度，再采用改进后的卷积神经网络模型根据相似度获取得到新闻文本数据的分类，然后，采用聚类算法对分类后的新闻文本数据进行话题聚类，进而从海量的新闻数据中检测出各类别下的热点话题，以保证新闻热点话题提取的准确性，并且，整个新闻热点话题的提取过程均是基于并行化的方式，这就能够进一步提高新闻热点话题的提取效率。

摘要： 本发明公开的一种新闻话题自动发现方法，旨在提供一种能够提高新闻话题发现的准确性的方法。本发明通过下述技术方案予以实现：首先设置增量聚类相关参数和增量聚类触发参数，对增量数据进行分批次聚类，预处理输入文本，对文章统一文本格式编码，计算文本特征，生成文本特征向量，提取文本特征词，构建文本特征向量集，在批次内先做主题聚类，再做主题内层次聚类，然后计算每一个单点主题与所有聚类的相似度即每一个单点到每一个聚类中心的距离，合并到最大的类簇，将跨批次的聚类互相凝聚起来，完成主题间层次聚类；生成新闻话题并进行新类簇融合，将新类簇质心与已有历史类簇质心进行比较，然后对新增数据聚类结果与已有聚类结果做跨批次融合。

摘要： 本发明涉及基于压缩空间句子选择的目标新闻话题摘要方法，属于自然语言处理领域。本发明包括：构建目标新闻话题摘要数据集；使用句子重要性评估模块，过滤掉与话题描述无关的信息来压缩搜索空间，之后通过基于改进的Bert模型的文档集合编码器模块编码筛选后的文档集合和句子，然后通过计算编码后文档集合中句子的突出特征和重复特征，综合两种特征后提取出最终得分最高的句子组成话题的摘要。本发明融入话题关键描述词的指导并使用一种可以平衡突出特征和重复特征的句子选择方法，在压缩搜索空间的基础上提升生成的话题摘要的质量，为后续的目标监管等任务提供了支撑。

摘要： 本发明涉及融合近邻标题图的新闻话题发现方法，属于自然语言处理领域。本发明包括：构建新闻话题数据集；使用Bert模型编码新闻标题，增强标题的表征，之后构建新闻近邻标题图优化相似标题的关联关系，通过多个图卷积层学习近邻标题图的表征，融入标题的关联结构信息，之后使用一种融合因子融合图卷积网络学习的标题全局特征和深度网络学习的新闻文档局部特征，最后使用指导模块统一指导两个模块优化参数。本发明通过融合标题的近邻关系并融入新闻文档的表征实现了质量较高的新闻表征，从获取的表征中聚类出话题簇，为后续任务提供了支撑。

摘要： 本发明涉及基于跨语言神经主题模型的汉越新闻话题发现方法，属于自然语言处理技术领域。汉越的平行语料稀缺，训练高质量的双语词嵌入较为困难，而且新闻文本一般较长，双语词嵌入的方法难以很好的表征文本，本发明提出一种基于跨语言神经主题模型的汉越新闻话题发现方法(CL‑NTM)，将双语语义对齐转化为双语主题对齐任务。首先针对汉语和越南语分别训练基于变分自编码器的神经主题模型，得到单语的主题抽象表征，然后利用小规模的平行语料将双语主题映射到同一语义空间，最后使用K‑means方法对双语主题表征进行聚类，发现新闻事件簇的话题。实验结果表明，CL‑NTM针对汉越低资源话题发现任务取得了很好的效果。

摘要： 本发明涉及一种新闻话题检测方法包括：步骤1)对新闻语料集进行预处理，对文本信息进行关键词抽取；步骤2)采用抽取出的关键词集，通过聚类的方法，计算新闻报道与话题类簇之间的相似度，得到关键词类簇，选出具有代表性的关键词作为报道事件的关键词。本发明提供的新闻话题检测方法，提出了改进的相似度计算方法，采用抽取出的关键词集，通过聚类的方法，动态地调整新闻报道与话题的相似度，得到关键词类簇，选出具有代表性的关键词作为报道事件的关键词，用来完成新闻话题的检测，能够对新闻报道中的信息进行准确抽取，能够准确地自动检测新闻报道话题，使得话题能够自动更新并动态演化，检测效果好，可以很好地满足实际应用的需要。