发现新闻

摘要： 数据新闻教学科研目前偏重于"数据处理"和"视觉设计"技巧,有淡化新闻价值判断和新闻学理的趋向.数据新闻学的建构应抓住"发现"数据新闻和"呈现"数据新闻这两个关键环节,深入研究探讨其中的机制和原理,以此丰富发展完善传统新闻学,增强数据新闻学理论色彩,为数据新闻报道提供鉴赏和判断的标准及其相应的理论支持.在数据新闻的教学方面,除现有的"技术"和"艺术"的教学实践和理念外,也应增设数据新闻的"发现"和"原理"等课程建设,为数据新闻报道的可持续发展提供思想动力.

摘要： 随着新闻行业竞争的日益激烈,新闻记者的职业素养成为了新闻竞争的重要因素。关于如何提高广播新闻记者的职业素养,笔者结合多年的工作经验总结了三个方面:首先广播记者要有一定的文化修养,其次,广播记者要了解广播的特点,掌握广播稿的写作规律,最后广播记者要提高发现新闻的能力。

摘要： 笔者在编采一线工作20年,突破身边没有新闻可采的瓶颈制约的心得体会就是两个字'用心'。只要用心、细心,就会发现自己的身边有采不尽、挖不完的新闻,用心、细心,可以让记者坐拥新闻富矿。

摘要： 部队的日常工作，既像军营围墙四周年年盛开的鲜花，又像军营上空升而又落的日月，年年雷同，日日重复，平平淡淡。如何从这样的平淡处发现新闻．是军事新闻工作者应该练就的一门基本功。

摘要： 新闻敏感是记者宝贵的素质,是新闻的生命。新闻敏感性是敏锐地发现新闻以及对新闻所具有的价值,能够迅速做出判断的能力,是每一位新闻从业者必备的素质之一。那么如何才能培养和提高新闻从业者的新闻敏感性呢?我认为应该有以下几种方法。

摘要： 新闻采访的过程从本质上是发现新闻的过程。记者之间的能力差距就是发现新闻的能力差距，在记者的生活中处处有新闻，问题就在于有没有发现新闻的眼光。

摘要： 新闻采访的过程从本质上是发现新闻的过程.记者之间的能力差距就是发现新闻的能力差距,在记者的生活中处处有新闻,问题就在于有没有发现新闻的眼光.

摘要： 作为一名记者,不能仅仅拘泥于当好"战线记者",而要当一个"全能记者",要在日常生活中做一个有心人,善于发现,勤于思考,把发生在眼皮底下的新闻抓住。对此,笔者略举一二,供参考借鉴。

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： 本发明公开了一种新闻专题事件发现的方法，主要包括：S1、对每篇给定的新闻文章进行事件主题句识别；S2、对每篇给定的新闻文章进行事件核心元素抽取；S3、利用步骤S2中提取的每篇新闻文章的事件核心元素判别文章相似性。本发明方法基于事件元素抽取(Event extraction)技术、话题追踪检测(Topic Detection and Tracking)、事件关系发现及专题新闻增量追加技术，来实现新闻文本的专题事件发现和聚类，实现新闻文本的基于话题进行专题聚类和发现的方法，使用者无需提供标注训练数据，也无需提供事件类型模板，无需了解相关领域知识，即可实现高质量的专题聚类和事件发现。

摘要： 本发明公开了一种基于Pitman‑Yor过程的新闻热点发现方法。本发明可以自动从新闻数据集中自动挖掘热点个数，而不需要人为的设定吗，也就是新闻热点的个数随着随着数据集大小而变化；然后，在现实的新闻数据集中，一个新的热点往往是处于新闻样本个数少量的类别中，另一方面，大多数已存在的、过时的新闻主题的类别的样本个数巨大，从而造成新热点的样本难以有效的识别出来。所以，本发明的另一个贡献在于新热点可以从这种极端不平衡的数据集中识别出新的热点样本。最终实现了新闻热点在这种真实存在的数据分布情况下的有效识别。

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： 本发明基于线索簇的流式新闻线索发现方法，涉及新闻发现，通过从UGC平台获取新闻，并基于设定的触发词提取每个新闻的事件类别和论元，并利用线索簇中的线索将从UGC平台获取的新闻进行分类保存，在利用新闻价值预测模型对线索簇中的线索进行价值预测，并与UGC平台信任度分数进行加权，得到新闻价值预测分数，生成实时线索列表，解决了现有技术对新闻事件的数据抓取困难，时效性低的问题，本发明适用于新闻的发现。

摘要： 本发明涉及一种基于微博平台的有价值新闻线索自动发现方法。本发明的目的是提供一种基于微博平台的有价值新闻线索自动发现方法。本发明的技术方案是：一种基于微博平台的有价值新闻线索自动发现方法，其特征在于：S01、获取种子模式；S02、检索获取包含所述种子模式的距检索时间比较近的微博，作为信号微博；S03、对所有信号微博进行聚类，每个类描述的是同一个事件，对事件提取摘要，作为候选线索；S04、利用候选线索检索微博，扩展事件，对扩展后的事件提取特征，利用训练好的打分模型根据提取的特征对事件进行打分，选取得分值高于一定阈值的事件，并提取其摘要作为有价值的新闻线索。本发明适用于信息挖掘技术领域。

摘要： 本发明涉及一种自动发现热点关键词和热点新闻的方法，包括以下步骤：提取各新闻的主题关键词；计算预设周期内各主题关键词所对应新闻数量与预设周期内新增的新闻数量的比值，以得到预设周期内各主题关键词所对应新闻的占比；计算各主题关键词在预设历史时间段内的占比平均值和占比标准差；根据各主题关键词在预设历史时间段内的占比平均值和占比标准差计算各主题关键词的热度值；若热度值大于预设热门阈值，则判断热度值所对应的主题关键词为热点关键词；根据所述热点关键词查找对应热点新闻。本发明通过自动获取、计算和筛查得到热点关键词和热点新闻，节省了人工成本，也降低了中小企业和个人及时自动获取热点关键词和热点新闻的门槛。

摘要： 本发明公开一种基于文本挖掘的热点新闻发现方法，包括步骤：将预处理后的新闻的标题的权重扩大，在分词及去停用词处理后，获取新闻的TF‑IDF的特征向量；基于所述TF‑IDF的特征向量，利用聚类算法预测新闻的所属类别；将新闻的标题及摘要合并成一句子，然后对句子进行分词、去停用词处理；利用TextRank算法，对新闻标题排序后输出热点新闻。本发明在聚类时增加了新闻标题权重，以提升其正确率；将新闻的标题、摘要、关键词一并用于排序，一方面增加新闻标题的权重，一方面能减少新闻标题的重复。

摘要： 本发明公开了一种热点新闻发现系统及方法，发现系统包括数据采集模块、数据分析模块、数据展示模块，数据分析模块包括数据加工清洗单元、数据存储单元、数据去重单元、路径计算单元、热点新闻计算单元；发现方法包括以下步骤：步骤一：对全网舆情数据进行采集；步骤二：对采集到的全网舆情数据进行预处理；步骤三：对预处理后的数据进行存储；步骤四：对预处理后的数据进行去重处理；步骤五：对去重处理后的数据进行传播路径计算；步骤六：对传播路径计算后的数据进行热度值统计，并分析出热点新闻。本发明通过自然语言处理技术对新闻文本进行聚类，存储和获取热点事件及其传播途径，可有效智能的自动发现热点新闻。

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。