动态新闻

摘要： 江苏队停摆,沸沸扬扬炒了2个月,命运被最终宣判前,小道消息隔几天冒出一个,但普遍都是动态新闻,缺少对中超冠军队猝死的完整复盘和反思,这也是我做报道的初衷。但我不想只停留在事件本身,当时我看到一些网友评论,大意是一个足球俱乐部而已,玩不起就算了,企业或是政府为什么不把钱花在更重要的地方。为什么要关注一个足球俱乐部的生死?

摘要： 随着通信技术的进步和媒体环境的变革,人们在信息爆炸下产生的"信息焦虑"已经成为一大社会问题.除了对信息环境进行监管治理外,建设性新闻的构建也是治理"信息焦虑"的主要方式之一.本文从正本清源、循序渐进、因势利导、负重涉远四个方面提出了建设性新闻的构建策略,为相关研究提供参考.

摘要： 在今天这个信息时代,“热搜”已经成为人们传播信息、关注信息、了解动态新闻的一种主要方式。“热搜”榜的意义和价值,在于聚焦生活中的重要新闻,捕捉时代的热点,感应社会的脉搏和神经,抓住人们普遍关切的话题,给人们提供高效、迅捷、有意义、有价值的信息和知识,从而发挥其产生社会效应和社会价值影响的积极意义……

摘要： 在今天这个信息时代,“热搜”已经成为人们传播信息、关注信息、了解动态新闻的一种主要方式。“热搜”榜的意义和价值,在于聚焦生活中的重要新闻,捕捉时代的热点,感应社会的脉搏和神经,抓住人们普遍关切的话题,给人们提供高效、迅捷、有意义、有价值的信息和知识,从而发挥其产生社会效应和社会价值影响的积极意义……

摘要： 在智能传播的影响下,动态新闻发展已经进入全新的阶段,其内容的创新也进入一个新的篇章.借助智能传播发展动态新闻可以从传播方式和传播内容上实现创新,尤其是动态新闻内容创新,可以利用智能传播推进其内容的多元化发展,打破传统新闻内容的限制,强化动态新闻传播效果,进而推动新闻媒体得到快速发展.

摘要： 我们都知道新闻标题的作用是对新闻内容进行概括和评价，吸引读者阅读。既要抓住新闻点准确传达新闻内容，又要用精准的语言高度概括，制作一个好的新闻标题并非易事。特别是地市级党报的非事件性、工作性的动态新闻，由于同一个时间段各地的主要工作大致相同，所以，很多报道内容往往大同小异，要想制作一个准确又有高识别度的标题，可以说是难上加难。

摘要： 今年省两会期间，省高院积极适应新形势新形态，在媒体融合方面主动作为，形成了报纸、电视、广播、网络、新媒体和自媒体联动的宣传矩阵，提升了海南法院公信力和影响力。期间共对外发布动态新闻、专题报道等12篇；联络电视台录制节目4期、广播节目4期；官方网站制作两会专题，发布新闻稿10篇；官方微博发布8条，阅读量44000人次.

摘要： 在智能传播的影响下,动态新闻发展已经进入全新的阶段,其内容的创新也进入一个新的篇章。借助智能传播发展动态新闻可以从传播方式和传播内容上实现创新,尤其是动态新闻内容创新,可以利用智能传播推进其内容的多元化发展,打破传统新闻内容的限制,强化动态新闻传播效果,进而推动新闻媒体得到快速发展。

摘要： 本发明属于计算机软件技术领域，公开了一种动态计算新闻采集服务资源的方法、信息数据处理终端，通过动态评估采集数量，预测下一步采集数量，并对采集资源合理调用，降低采集资源。通过历史数据，实时采集量，突发时间预警，人为因素调节等多个因子对要采集的目标动态调整服务器资源和带宽等资源，在采集目标增量时增加服务器和带宽等资源，确认对采集目标及时准确采集，在采集目标减量时，释放不必要的资源，节约成本。本发明的服务器可以释放10‑20％的cpu资源，节约10‑15％的内存。特别是针对流量计费的带宽效果更明显，减少30％‑40％的网络带宽消耗。本发明属于国内外的技术空白，对于推动业内的发展具有重大的意义。

摘要： 基于特征双向动态协同的个性化新闻推荐方法，包括用户‑新闻双向动态协同表征模块、卷积层、池化层和预测层。用户‑新闻双向动态协同表征模块包括用户动态协同表征网络和新闻动态协同表征网络。对于用户历史浏览新闻序列，经过用户动态协同表征网络，借助注意力模型得到用户特征矩阵，其能够反映用户历史浏览的新闻内容特征和浏览序列特征，包含新闻‑用户交互信息。对于候选新闻，经过新闻动态协同表征网络，能够在新闻内容特征的基础上利用新闻历史读者的特征，引入用户‑新闻协同信息，得到新闻特征矩阵；能够同时挖掘用户浏览模式和新闻受众特点，得到用户偏好向量和新闻协同特征向量；最后，预测层利用向量预测用户对候选新闻的浏览概率。

摘要： 本发明公开一种动态计算新闻采集服务资源的方法。所述方法以过往所采集的新闻数据和为采集数据所投入的采集资源量为基础、对数据进行特征抽取，通过逻辑回归模型动态分析确定对特定网站的数据采集频率，进而动态确定对特定网站进行数据采集所需要投入的采集资源，再通过实际采集的数据量和资源投入量作为反馈信息，不断修正逻辑回归模型的参数，对采集频率进行动态修正和优化。通过所述方法，可以在采集过程中动态调整优化采集频率和资源投入，有效地克服漏采和采集成本过高等问题，在确保采集质量的前提下，大幅减低采集成本。

摘要： 本发明公开了基于Ajax的新闻网页动态数据的抓取方法及系统；建立新闻网页爬取内容数据库，设置新闻网页爬取内容数据库的编码方式；获得待抓取新闻网页的新闻列表页面的URL地址；访问URL地址，判断新闻列表页面是否是通过Ajax动态加载数据的；如果是，通过浏览器开发者工具找到请求的数据源；判断请求的数据源的编码方式是否一致，如果否，则对数据源进行编码转换，解析数据格式：将数据源的格式解析成为新闻列表页面的后台语言处理的对象格式或者数组格式；将解析后的数据封装成对象或数组类型；判断封装是否成功，成功就将数据对象或数组类型遍历输出列表；利用网络爬虫采集得到的输出列表；将采集到的数据存储到数据库中。

摘要： 基于特征双向动态协同的个性化新闻推荐方法，包括用户‑新闻双向动态协同表征模块、卷积层、池化层和预测层。用户‑新闻双向动态协同表征模块包括用户动态协同表征网络和新闻动态协同表征网络。对于用户历史浏览新闻序列，经过用户动态协同表征网络，借助注意力模型得到用户特征矩阵，其能够反映用户历史浏览的新闻内容特征和浏览序列特征，包含新闻‑用户交互信息。对于候选新闻，经过新闻动态协同表征网络，能够在新闻内容特征的基础上利用新闻历史读者的特征，引入用户‑新闻协同信息，得到新闻特征矩阵；能够同时挖掘用户浏览模式和新闻受众特点，得到用户偏好向量和新闻协同特征向量；最后，预测层利用向量预测用户对候选新闻的浏览概率。

摘要： 本发明涉及一种基于自然语言的企业新闻动态监测方法，属于自然语言处理领域。该方法包括步骤：步骤1：构建数据库；步骤2：训练命名实体识别NER模型；步骤3：读取新闻数据并进行数据清洗；步骤4：从新闻标题中提取企业实体和业务动态信息；步骤5：从新闻正文中提取企业实体；步骤6：筛选正文企业实体；步骤7：根据筛选后的企业实体从新闻正文中提取相应的业务动态信息；步骤8：将结果写入数据库，以企业为主体建立企业、新闻、业务动态维度的关联关系。本发明可快速、大量、自动化的从网络获取新闻信息，实现企业的高效新闻动态监测；大幅度降低了无关信息对识别结果的干扰，具有较高的稳定性和准确率。

摘要： 本发明公开一种动态计算新闻采集服务资源的方法。所述方法以过往所采集的新闻数据和为采集数据所投入的采集资源量为基础、对数据进行特征抽取，通过逻辑回归模型动态分析确定对特定网站的数据采集频率，进而动态确定对特定网站进行数据采集所需要投入的采集资源，再通过实际采集的数据量和资源投入量作为反馈信息，不断修正逻辑回归模型的参数，对采集频率进行动态修正和优化。通过所述方法，可以在采集过程中动态调整优化采集频率和资源投入，有效地克服漏采和采集成本过高等问题，在确保采集质量的前提下，大幅减低采集成本。

摘要： 本发明提出了一种基于动态语义特征的新闻视频自适应拆条方法，选取演播室场景与主持人同在为拆分特征，以此寻找新闻内容条目的拆分时间点；具体包括如下步骤：步骤一，视频抽帧预处理；步骤二，训练NewlicNet模型；步骤三，确定关键帧图片时间点；步骤四，新闻视频拆分。本发明基于动态语义特征的新闻视频自适应拆条方法，基于频道标识符、演播室场景信息和主持人同在特征对新闻视频进行拆分。

摘要： 本发明提出一种基于层次注意力网络的动态新闻推荐的方法，采用的模块包括层次注意力网络，卷积层和全连接层；在所述层次注意力网络中包括句子水平的注意力网络和新闻水平的注意力网络。用户的新闻序列和候选新闻，经过所述句子水平的注意力网络，得到所述新闻序列中句子的注意力权重，然后计算句子内容向量的加权和得到新闻的内容向量，所述新闻序列的嵌入表示与所述内容向量连接得到所述新闻的整体表示，所述整体表示经过所述新闻水平的注意力网络，获得所述新闻序列中新闻的注意力权重，得到新闻的最终表示；在卷积层中，按序堆叠历史新闻的最终表示得到矩阵，输入卷积层学习用户序列阅读模式，得到序列偏好向量；在全连接层中，将所述序列偏好向量、候选新闻整体表示和用户嵌入表示进行连接，得到用户点击候选新闻的概率。

摘要： 本发明提出一种基于层次注意力网络的动态新闻推荐的方法，采用的模块包括层次注意力网络，卷积层和全连接层；在所述层次注意力网络中包括句子水平的注意力网络和新闻水平的注意力网络。用户的新闻序列和候选新闻，经过所述句子水平的注意力网络，得到所述新闻序列中句子的注意力权重，然后计算句子内容向量的加权和得到新闻的内容向量，所述新闻序列的嵌入表示与所述内容向量连接得到所述新闻的整体表示，所述整体表示经过所述新闻水平的注意力网络，获得所述新闻序列中新闻的注意力权重，得到新闻的最终表示；在卷积层中，按序堆叠历史新闻的最终表示得到矩阵，输入卷积层学习用户序列阅读模式，得到序列偏好向量；在全连接层中，将所述序列偏好向量、候选新闻整体表示和用户嵌入表示进行连接，得到用户点击候选新闻的概率。