-
摘要: 【目的】为实现新闻审核的高效化、准确化和客观化,提出一种基于 ERNIE 等预训练语言模型的智能新闻审核方案。【方法】该方案主要由数据预处理、模型训练和新闻审核三部分组成。数据预处理构建高质量新闻数据集。模型训练采用 ERNIE-TINY 和二分类交叉熵损失。新闻审核将训练好的模型集成到编务流程中进行预测。【结果】实验结果显示,该方案实现了新闻审核的自动化与高效准确,优于规则和统计机器学习模型,达到较高的审核质量。但个别属性判断仍需提高。【结论】该方案可有效实现新闻审核自动化,但仍需增强对新闻语义的理解能力;人工审核与机器审核的结合是未来重要方向。通过优化数据和模型,可实现新闻生产的高效化与准确化。
-
[1] 刘金华 . 基于飞桨 NLP 的虚假新闻检测方法 [J]. 信息与 电脑,2022(10):14-16. [2] 罗峦,夏骄雄 . 融合 ERNIE 与改进 Transformer 的中文 NER 模 型 [J]. 计 算 机 技 术 与 发 展,2022(10):120- 125. [3] 张敏 . 一种基于神经网络的虚假新闻检测方法 [J]. 微型电 脑应用,2022(12):1-3+7. [4] 毛震东,赵博文,白嘉萌,胡博 . 基于传播意图特征的 虚假新闻检测方法综述 [J]. 信号处理,2022(6):1155- 1169. [5] 赵小明,杨轶娇,张石清 . 面向深度学习的多模态情感 识别研究进展 [J]. 计算机科学与探索,2022(7):1479- 1503.
点击查看大图
计量
- 文章访问数: 181
- HTML全文浏览量: 35
- PDF下载量: 22
- 被引次数: 0