摘要：作为主流媒体的新闻报刊业,从广告办理、报纸印刷、发行订报到新闻报料,每天接收和处理的客户信息量都巨大。近年来,随着人力成本的日益增长,传媒行业对可以大幅减轻人工客服工作量的智能客服系统的需求也日益迫切。本文从提高报业行业人工智能客服系统的准确率和效率的目的出发,对问句分类技术进行了深入研究,主要使用快速文本分类算法(fastText)来实现对问句的分类。实验表明,与传统的SVM+TF、BERT+SVM相比,该算法能够很好的兼顾系统的查询准确度和查询的时间开销以满足用户的查询准确率和速率的需求。

摘要：【目的】论述Web信息抽取技术在新闻舆情分析中的应用,为舆情虚假信息甄别、舆论引导提供新方法,从而避免对大众的思维、想法等造成不良影响。【方法】研究提出了基于行块分布函数和基于统计与网页结构两种不同的新闻正文信息抽取方法,使得在对Web新闻数据采集和存储的基础上,正文信息抽取更加高效和准确。【结果】两种Web信息抽取技术可以广泛应用于海量新闻数据分析、舆情监测等应用场景。【结论】通过基于行块分布函数的抽取方法和基于统计信息与网页结构的抽取方法,能够分别对轻量网页和大流量网页抽取信息时表现更优。

摘要：【目的】为提高报业集团舆情相关工作的准确度和效率,文章研究热度分析技术在吹哨系统中的实际应用效果。【方法】提出热度及关联度计算,通过热度话题计算、关键词的关联相关度分析及关联热度计算,最后完成事件热度预测。【结果】通过热度分析技术实际应用,满足日常工作中的热点话题捕捉和及时跟踪,对舆情管理具有重要实施。【结论】通过本研究证明了吹哨系统中所使用的热度计算和关联热度计算等方法,极大地提高了吹哨系统的精确性,使用户可以从海量新闻信息中高效、智能地获得受关注、感兴趣、有价值的目标新闻信息,从而更加有力地支撑舆情监测、新闻追踪、新闻生产等业务工作。

摘要：【目的】文章比较多个基于深度神经网络的中文新闻文本分类模型,旨在找到准确度较高的方法用以实际工作,为中文新闻文本分类提供更加高效的方法。【方法】对文本分类技术和中文新闻分类进行了梳理和归纳,对中文新闻文本的特征和预处理进行了阐述,详细介绍FastText算法、Bert分类算法、TextCNN算法和TextRNN算法。【结果】四种深度神经网络算法均可以应用于中文新闻文本分类,可以有效处理信息紊乱问题以及快速准确进行分类。【结论】通过对四种深度神经网络算法进行试验和效果对比,发现FastText模型在实际工作中的文本分类效果最为优异。