检索结果-南通市图书馆

基于深度学习的中文新闻标题文本分类系统研究

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于深度学习的中文新闻标题文本分类系统研究

作者：高兴东南京邮电大学

学位级别：硕士

随着互联网技术的发展以及新闻传播的途径越来越广泛,新闻文本数量不断增加,新闻阅读用户从海量的新闻标题文本中查找特定的类别越来越困难。在文本分类过程中,由于新闻标题长度短、文本特征稀疏等特点导致标题样本很难为分类学习提供... 详细信息

随着互联网技术的发展以及新闻传播的途径越来越广泛,新闻文本数量不断增加,新闻阅读用户从海量的新闻标题文本中查找特定的类别越来越困难。在文本分类过程中,由于新闻标题长度短、文本特征稀疏等特点导致标题样本很难为分类学习提供足够且有价值的特征,导致分类过程准确率较低。本文针对中文新闻标题文本分类进行了算法分析研究、系统设计与开发实现,构建准确率较高的文本分类系统。具体工作如下:（1）提出了基于特征拓展的新闻标题特征提取算法。针对新闻标题长度短、特征稀疏等特性,本文对传统TF-IDF算法进行改进,引入了同义拓展与类别密度进行文本中词语重要程度的比较,提出了一种E-TF-IDF算法;在此基础上,本文提出了一种特征邻近拓展算法,该算法通过对关键词的邻近词语出现概率将关键词在语料库中进行拓展。整合以上两点本文提出了基于特征拓展的新闻标题特征提取算法,并在搜狗新闻数据集对该算法进行实验,实验结果表明,该算法相比实验中其他传统算法在新闻标题文本特征提取过程中表现更好,有助于提高文本分类的性能。（2）提出了一种基于深度学习的新闻标题文本分类模型。本文将Text CNN与GRU模型结合,并使用本文提出的提取算法进行词嵌入,提出了TC-GRU（Text CNN-GRU）模型。为了验证本文模型的有效性,在THUCNews、搜狗新闻数据集以及微博热搜数据集进行了实验。实验结果表明,TC-GRU模型的准确率普遍高于其他对比模型的准确率,其中在微博热搜数据集上优势更为明显。（3）设计并实现了基于深度学习的新闻标题文本分类系统。为了方便用户验证分类的准确性、数据打标、样本新增等步骤,本文基于提出的分类模型构建了一套新闻标题文本分类系统。该系统包含了文本分类、数据修正、数据打标、样本新增、数据采集等功能,用户可以在系统中输入待分类标题文本并获得分类的结果与置信度。

关键词：中文新闻标题文本分类特征提取深度学习 TC-GRU 系统

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

概念整合理论视角下中文新闻标题的意义建构

概念整合理论视角下中文新闻标题的意义建构

作者：于欢欢黑龙江大学

学位级别：硕士

新闻标题是新闻报道不可或缺的重要组成部分。目前,学者们从语言特征、功能、修辞学以及语用学等方面对新闻标题进行了大量的研究,但是从认知视角对其意义的构建过程未做深入的探讨。本文适用概念整合理论分析中文新闻标题的意义构建过... 详细信息

新闻标题是新闻报道不可或缺的重要组成部分。目前,学者们从语言特征、功能、修辞学以及语用学等方面对新闻标题进行了大量的研究,但是从认知视角对其意义的构建过程未做深入的探讨。本文适用概念整合理论分析中文新闻标题的意义构建过程,从而为读者理解中文新闻标题提供参考。笔者收集并分析了《环球时报》上一千余条中文新闻标题,结果显示,标题中的文字可以激活两个或两个以上不同的心理空间,它们的部分要素会发生跨空间映射,然后经选择性投射形成合成空间,其中的新创结构就是新闻标题的意义,这说明概念整合理论可以用来分析中文新闻标题。本研究扩大了概念整合理论的应用研究范围,证明概念整合理论有较强的解释力,希望可以对该领域今后的进一步研究提供一定的借鉴意义。

关键词：中文新闻标题概念整合理论新创结构概念整合网络

基于LSTM-Attention的中文新闻标题分类研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于LSTM-Attention的中文新闻标题分类研究

作者：杨崧中南财经政法大学

学位级别：硕士

根据2018年8月中发布的《中国互联网络发展状况统计报告》显示,中国在2018年上半年的网民规模已经超过8亿水平,其中手机网民规模可占98%之多,这也意味着人们在移动互联网时代关于信息的获取偏好逐渐从传统互联网转向移动互联网,人们对... 详细信息

根据2018年8月中发布的《中国互联网络发展状况统计报告》显示,中国在2018年上半年的网民规模已经超过8亿水平,其中手机网民规模可占98%之多,这也意味着人们在移动互联网时代关于信息的获取偏好逐渐从传统互联网转向移动互联网,人们对移动终端的偏好也越来越强。而关于中国网民对于各类互联网应用的统计表明,有超过6.6亿近83%的中国网民在生活中会使用网络新闻类应用,其使用率高居所有应用类别的第二,仅次于即时通讯类应用。关于新闻行业的发展前景较为广阔,如何在移动互联网时代末期将网络新闻相关技术与人工智能等前沿技术结合,为用户呈现更好更有价值的内容,这是非常值得研究的一件事。新闻是人们对时事、最新行业相关消息了解的重要途径,而新闻的信息分类有助于实现新闻的有序化,对新闻文本进行挖掘,从而达到对决策提供引导。由于新闻分类本质上是一个文本分类问题,而且文本分类作为自然语言处理领域研究的一个重要方向,所以至今为止,人们对新闻文本分类已经有大量的研究。目前大部分文本分类问题都局限于使用常规的机器学习算法,所以对深度学习算法的研究应用还比较有限,所以本文旨在研究这个方面的问题。本文将新闻标题作为新闻分类的切入点,由于新闻标题属于文本中的短文本类别,所以本文主要通过利用深度学习相关方法对新闻标题短文本进行分类,针对前期分类出现过的问题,结合深度学习网络并引入最新的Self-Attention模型,解决新闻分类以及短文本分类过程中的常见困难问题。对于解决新闻标题分类这个具体问题,本文选用借助自注意力机制SelfAttention来处理LSTM的词向量输入序列并以此加强LSTM的分类效果。对于实验数据集,由于新闻标题中的可能总会出现一些新词,所以本文的数据集选择由NLPCC 2017 Task2 Chinese News Headline官方数据集与通过爬虫技术获取的近一年今日头条、新浪等门户网站各类新闻标题组成的补充数据集组合而成。通过实验后,本文模型在新闻标题分类问题上取得了较为不错的分类效果,相较于常用短文本分类模型Bi-LSTM,CNN-LSTM,LSTM-Attention以及CNNAttention,本文分类模型的对于中文新闻标题短文本的归类准确率最终达到了85%左右,也就是接近86%的分类准确度的水平,总体来说还是有着不错的分类效果。

关键词：中文新闻标题短文本分类长短时记忆网络自注意力机制

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

格莱斯合作原则在中文新闻标题中的应用

语文学刊 2010年第8期 29-30+36页

作者：金城东华大学外国语学院

标题在新闻当中起着不容忽视的作用。作为一种书面语言,它同样要遵循合作原则。本文诣在研究中文新闻标题是如何通过违反合作原则来实现独特效果的。

关键词：合作原则中文新闻标题独特效果

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于深度学习的新闻标题文本分类研究与应用

基于深度学习的新闻标题文本分类研究与应用

作者：吴艳扬州大学

学位级别：硕士

大数据信息爆炸下,互联网上内容分散且冗余的新闻文本数据量迅速上升。新闻分类可以整合并高效呈现海量碎片化的网络资讯,从而实现新闻的精简提炼和有效治理。新闻标题作为新闻的简短概括,能快速理解新闻的核心内容。然而,标题长度较短... 详细信息

大数据信息爆炸下,互联网上内容分散且冗余的新闻文本数据量迅速上升。新闻分类可以整合并高效呈现海量碎片化的网络资讯,从而实现新闻的精简提炼和有效治理。新闻标题作为新闻的简短概括,能快速理解新闻的核心内容。然而,标题长度较短且文本特征稀疏,仅抽取文本字词特征难以获取分类的最佳性能。因此,如何有效抽取新闻标题各类深层特征,从而提高中文新闻标题文本分类模型的性能,对于新闻相关研究工作具有重要的意义。本文主要采用深度学习相关知识提出了两种新闻标题分类方法,并构建了一个UCL新闻标题分类原型系统。具体而言,本文的主要工作如下:(1)针对单纯的对标题的句法信息建模难以获取全面的文本特征的问题,提出了一种基于句法和语义增强的新闻标题分类方法。核心思想是:从潜藏着标题类别重要线索的句法信息着手,通过语义特征对依存句法结构进行增强。首先,通过依存句法分析得到标题的句法信息;其次,使用图注意力网络分别对标题的句法信息和语义信息进行编码;最后,在经过对偶表征交互模块将双方信息交互增强后,分别进行自适应注意力操作将其融合为单一句子表征,将其送入到全连接层和Softmax层后分类。在两个公开的数据集上进行实验,结果表明所提出方法的分类效果均优于对比模型。(2)针对串接或点积等传统多特征融合的方法难以动态区分对分类任务更有利特征的问题,提出了一种基于多特征筛选机制的新闻标题分类方法。核心思想是:从新闻标题各类深层特征提取以及动态筛选着手,为当前分类有帮助的特征类别赋予更高权重。首先,使用层叠图注意力模块抽取标题的句法特征;其次,使用层叠迭代膨胀卷积模块抽取标题的n元语法特征,再使用多核注意力模块提取标题的上下文特征;最后,使用门控机制对获取到的三类特征进行筛选和融合,将融合后的特征向量送入全连接层和Softmax层后,得到各类别概率分布。在两个数据集上的实验结果表明,在增加了多特征类别和筛选机制后,该方法进一步提高了文本分类的效果。(3)本文基于Django框架设计并实现了一个UCL新闻标题分类原型系统。系统包括三大功能模块:系统环境配置模块、新闻标题分类模块、后台管理模块。分别负责模型和服务器的配置、对用户输入的新闻标题文本进行分类、对后台新闻数据以及账号进行管理。经实际运行测试,系统能实现对新闻标题文本的分类及可视化结果展示。

关键词：深度学习中文新闻标题文本分类句法信息图注意力机制