多任务环境下融合迁移学习的新冠疫情新 闻要素识别研究

分类： 图书馆学、情报学 >> 图书馆学 提交时间： 2023-10-08 合作期刊: 《知识管理论坛》

赵梓博 王昊 刘友华 张卫 孟镇

摘要： [ 目的 / 意义 ] 在新冠疫情背景下，提出多任务环境下融合迁移学习的疫情新闻要素识别方法， 向公众提供面向应急事件的知识服务。[ 方法 / 过程 ] 首先，通过多任务识别新闻要素：基于规则识别 时间要素；并融合模型迁移与深度学习方法，构建跨领域的要素识别模型。在此基础上，构建疫情新闻 要素的关联数据，以知识图谱的方式展示各要素之间的关联关系。[ 结果 / 结论 ] 实验结果表明，除药 物外的新闻要素的识别 F1 值均在 80% 以上，说明融合迁移学习的模型能够取得较优的识别效果；并且， 关联数据知识图谱能够直观显示新闻的重点要素及新闻的主要内容。综上所述，提出的方法能够有效识 别新冠疫情新闻要素，从而帮助新闻读者准确、高效地获取新闻中的重要信息。

通过

 点击量 1330  下载量 654  评论 0