基于知识增强和提示学习的小样本新闻主题分类方法

基于预训练微调的分类方法通常需要大量带标注的数据,导致无法应用于小样本分类任务。因此,针对中文小样本新闻主题分类任务,提出一种基于知识增强和提示学习的分类方法KPL(Knowledge enhancement and Prompt Learning)。首先,利用预训练模型在训练集上学习最优的提示模板;其次,将提示模板与输入文本结合,使分类任务转化为完形填空任务;同时利用外部知识扩充标签词空间,丰富标签词的语义信息;最后,对预测的标签词与原始的标签进行映射。通过在THUCNews、SHNews和Toutiao这3个新闻数据集上进行随机采样,形成小样本训练集和验证集进行实验。实验结果表明,所提方法在上述数据集上的1-shot、5-shot、10-shot和20-shot任务上整体表现有所提升,尤其在1-shot任务上提升效果突出,与基线小样本分类方法相比,准确率分别提高了7.59、2.11和3.10个百分点以上,验证了KPL在小样本新闻主题分类任务上的有效性。

新闻主题报道的策划创新与传播效力探讨

新闻媒体的影响力,始终以优质内容为根基。优质的新闻主题报道既要站位高,又要接地气,以“高站位高视野高标准”引领策划与创作,坚持“下基层下功夫下巧劲”讲好新时代故事。基于此,本文主要探讨新闻主题报道策划创新和提升传播效力的具体策略,以期为业界人士提供参考。

媒体融合背景下电视新闻主题报道创新探索

如今随着媒体融合时代的发展,人们接收信息的模式随之逐渐转变。因此,直接影响着传统电视新闻媒体的发展。为了增强自身的竞争力,电视新闻主题报道的内容要与时俱进,不断优化与创新报道模式,从而使人们的实际需求得到全面满足,同时电视新闻工作者也要不断提升自身的能力。基于此,本文从媒体融合时代背景出发,从六个层面全面分析与探索电视新闻主题报道的创新路径,希望为相关人员提供有益的参考。

移动互联网时代下创新电视新闻主题报道的方法

在移动互联网时代,人们的生活越发便利的同时,网络上的信息量越来越庞大,为电视新闻传播和发展带来较大的挑战。因此,电视新闻主题报道若想达到好的传播效果,应该增强创新意识,对传统模式进行不断优化和改进,深入研究移动互联网时代和电视新闻主题报道的特点,系统分析电视新闻主题报道中存在的问题和成因,本着创新的原则,推动电视媒体实现可持续发展。

平民化视角下重大新闻主题报道策略研究

在新媒体时代,为受众提供了参与新闻信息传播过程的机会,因而广播电视台需要对以往的新闻报道形式加以转变,特别是在重大新闻主题报道的过程中,应从平民化的视角出发,以平民化的内容、形式、语言、画面完成新闻报道的呈现,从而获取受众的信任与支持,推动电视媒体事业的持续发展。

Web文本挖掘技术在新闻主题检测中的应用研究

随着Internet的大规模普及,互联网成为人们获取新闻的主要来源.如何从动态的海量网络信息中自动发现突发事件的新闻流主题,并跟踪突发事件的相关信息,从技术上实现对新闻专题进行组织和生成,对新闻事件进行探测与跟踪,一直是技术上的一个难题.Web文本挖掘的概念及关键技术,对其在新闻主题检测与主题追踪中的应用进行了一些探索性的工作.

基于事件句关联的新闻主题模型构建方法

考虑新闻事件句关联信息对新闻主题构建的重要指导作用,提出了基于事件分析的新闻主题模型构建方法。利用新闻文本中事件句中包含的事件元素,判断事件句之间的关联,并将这一关联信息作为LDA建模过程中主题分配的指导信息。从而获得不同新闻文档在主题空间上更加准确的概率分布。实验结果表明,提出的新闻主题模型(E-LDA)比LDA主题模型对新闻文本有更好的表达效果。

怎样挖掘和提炼新闻主题

新闻主题是指作者在新闻稿件(如消息、通讯、录音报道、评论等)中所要说明和表达的主要问题。它是一篇稿件的灵魂和统帅,也是判断和衡量稿件质量的根本因素。一篇新闻有无价值以及价值的大小,主要取决于它的主题,一看主题的真实性,二看主题的针对性,三看主题的深刻性。我们平时常说主题一般化,主题模糊、不集中等现象,无不同挖掘和提炼主题不够有关。怎样挖掘和提炼新闻广播稿的主题,这是个要注意问题。

改进的最小最大聚类方法在新闻主题来源追踪中的应用

在分析新闻文档的特殊结构、内容特点以及常用聚类算法优缺点的基础上,提出了一种基于改进的最小最大聚类方法的主题来龙去脉生成方法。实验结果证明,该方法生成的摘要能有效地覆盖主题的内容,较为准确地体现主题的演变过程。

军事新闻主题简论

军事工作、军事领域的特殊性决定了军事新闻必须有明确体现政治倾向的主题思想,这是军事新闻成为“精品”的首要条件;军事新闻的主题思想来源于对军事生活实践的深刻认识和真切感受;主题思想的提炼最重要的是把握好这样几点:站在时代高度,体现政治大局;选择政治角度,善于联系比较;不断开掘本质,立足为政治服务。

基于事件多要素模型的新闻主题句抽取

新闻主题句抽取是对新闻文本进行语义分析的一种技术,其核心是将新闻文本中的句子作为语义分析的基本单元,识别出与新闻主题语义最相关的句子。针对Web新闻特征,提出了一种基于事件多要素模型的新闻主题句抽取方法。首先提取出了新闻报道的标题T、关键字K、描述D、首段F和子事件句S,然后用标题、关键字、描述和首段去表征一篇新闻文档,接着将子事件句和新闻文档以事件多要素模型的方式映射到向量空间中,最后利用向量之间的余弦相似度计算子事件句和新闻文档的相似度,并取相似度最高的为新闻主题句。实验结果表明,在社会政治和自然灾害两类的主题句抽取上,提出的方法优于基于LDA模型的主题句抽取方法和基于TFIDF的抽取方法,F值得到了明显的提升。

电视新闻主题的提炼与表现形式探析

电视是电子技术高度发展的产物。电视新闻和新闻性专题,已成为党和政府联系群众的桥梁和纽带。那么,电视新闻的主题又将如何表现呢,笔者以为应从下面几个方面来考虑。一、选好电视新闻的角度电视新闻报道,也同报纸。

吹尽黄沙始得金——浅议新闻主题的提炼

新闻素材中的“沙粒”和“金粒”是混杂在一起的，要想获得“金粒”，就要合得下力气把“沙粒”统统淘去。每一篇报道，都要有一个鲜明的中心思想，这个中心思想即新闻的主题。主题是新闻的灵魂。

结合BERT和特征投影网络的新闻主题文本分类方法

针对新闻主题文本用词缺乏规范、语义模糊、特征稀疏等问题,提出了结合BERT和特征投影网络(FPnet)的新闻主题文本分类方法。该方法包含两种实现方式:方式1将新闻主题文本在BERT模型的输出进行多层全连接层特征提取,并将最终提取到的文本特征结合特征投影方法进行提纯,从而强化分类效果;方式2在BERT模型内部的隐藏层中融合特征投影网络进行特征投影,从而通过隐藏层特征投影强化提纯分类特征。在今日头条、搜狐新闻、THUCNews-L、THUCNews-S数据集上进行实验,实验结果表明上述两种方式相较于基线BERT方法在准确率、宏平均F1值上均具有更好的表现,准确率最高分别为86.96%、86.17%、94.40%和93.73%,验证了所提方法的可行性和有效性。

谈如何提炼深化新闻主题

清代诗人袁枚说过：漂亮的词句犹如一堆铜钱，文章的主题就是穿钱的线。如果一篇文章没有明确的主题，就像散落一地的铜钱，显得杂乱无章。任何人说话、写文章都要表达一个主题，即中心思想，没有主题就会不知所云，新闻报道也是如此。

基于文本分类方法的新闻主题识别系统

针对人工对海量信息进行管理与识别的效率低、开销高等问题,提出了一种基于文本分类方法的新闻主题识别方法。分别介绍了文本分类过程、文本预处理、特征提取、朴素贝叶斯算法模型;之后介绍了基于朴素贝叶斯算法的新闻主题识别系统的总体设计和框架设计。结果表明,将文本分类方法应用于新闻主题识别,在一定程度上节省了大量的人力和时间,提高了新闻主题识别的准确性和置信度。

浅谈新闻主题的重要性

新闻主题是一篇新闻作品的灵魂,是一篇文章的精髓,它贯穿于整篇新闻作品之中。准确选择新闻主题,把握新闻主题,进而提炼出更深层次的新闻主题,是一篇新闻作品取得成功的关键。这需要新闻记者了解新闻主题的一些基本特点,并在实际工作中多角度去把握、提炼、升华。

电视新闻主题报道如何提高策划创新水平与传播力度

随着经济的不断发展,新闻媒体行业获得了巨大的发展机遇,同时传统媒体报道行业受到了来自互联网的挑战。传统的电视新闻主题报道具有较强的政治性,主题报道内容有一定的说教意味,新闻报道内容脱离了实际生活样貌,导致报道宣传效果不佳。但主题报道是我国重要的政策宣传工具,良好的主体报道有助于提升民族向心力、凝聚力,促进社会安定团结。互联网媒体的不断发展,给主题报道提供了更多播报方式和创意思路,电视新闻行业应该利用新媒体的发展理念,提高自身主题报道策划水平,加大电视新闻传播力度。

媒介融合状态下新闻主题策划机制创新研究

新媒体时代中,众多的新闻媒体都在信息共享和传播的基础上,运用互联网社交平台、视频平台、信息共享平台打造三位一体的新闻传播矩阵,力求新闻信息能够多向互动性共享与传播。但是在传统信息传播媒介与互联网媒介融合的趋势下,新闻信息的主题策划机制发生了变革,策划者不仅要考虑在传统媒介视野中新闻信息的影响性和传播性,还要考虑新媒体语境下新闻信息的共享性和互动性,力求促进新闻信息多元化、全方位传播。鉴于此,本文就媒介融合视域下新闻主题策划机制的创新展开详细探讨,并提出相应研究思路,以供广大读者借鉴。