课程文献中心 更多>>

摘要： 在媒体融合向纵深推进的今天，传统的报纸、广播、电视媒体占有的市场份额不断萎缩，新媒体平台强势抢占公共话语空间。当媒体融合逐步改变新闻编辑模式，就需要新闻编辑不断提高自身竞争力，更好地去适应媒体融合过程中新闻生产模式的变化。传统新闻编辑主要从事的是对新闻内容的加工，随着媒体融合向纵深推进，

摘要： 媒体融合已成为新闻传播的重要趋势，县级融媒体新闻编辑工作者需要及时跟进和适应这一趋势。县级融媒体新闻编辑工作者要想满足受众需求、提升报道质量与影响力、适应媒体融合发展趋势，推进新闻编辑工作创新无疑是重要的途径。通过创新新闻编辑工作，编辑可以将不同媒体形式进行有效融合，提供跨平台、多媒体的新闻报道，提升信息传播的覆盖范围和影响力。

关键词： 情感分析   句子级   方面级   深度学习   新闻评论  

摘要： 随着自媒体的快速发展,政府越来越倾向于在社交媒体平台上发布新闻和政策,而公众对这些新闻和政策的情感倾向又会对政策的制定和执行产生影响。因此针对新闻评论的情感分析变得十分重要。情感分析可根据分析的重点和范围划分为句子级、方面级和篇章级情感分析。其中,句子级情感分析适用于短文本,普遍存在过拟合、局部特征提取不足等问题;方面级情感分析只根据文本中的不同方面进行情感分析,通常存在方面词和情感倾向难以匹配的问题。针对上述难点,结合新闻评论短文本、信息丰富、结构复杂等特点,本研究选用句子级和方面级情感分析方法,分别提出对应模型进行情感分析。具体工作如下:(1)提出融合Transformer与CNN的句子级情感分析模型。在BERT模型的基础上引入Transformer编码器,通过编码器中的多头注意力机制和Dropout,有效缓解过拟合问题,增强模型的泛化能力。改进的四通道双层CNN模型,通过组合不同尺寸的卷积核捕获文本的不同尺度特征,增强模型提取局部特征的能力。在进行消融实验和对比实验时,使用了三个不同的数据集,结果表明该模型在句子级情感分析任务上的表现优于其他模型,其准确率提高了1.2%以上,F1值提升了2.0%以上。(2)提出融合交互注意力机制的方面级情感分析模型。使用TF-IDF和LDA模型提取新闻评论的方面词向量,并引入交互注意力机制,将方面词向量与BE-MCNN模型提取的上下文向量相结合,通过提高方面词和情感信息之间的相关性,以解决两者之间的匹配问题。研究中构建了方面级情感分析数据集,并在数据集上进行消融实验和对比实验。实验结果表明,该模型在准确率和F1值上提升了3.5%和3.6%以上,证明了该模型在提高方面词和情感信息之间的相关性方面的有效性。(3)开发了基于深度学习的新闻评论情感分析系统。利用上述研究所提的算法对新闻评论数据进行情感分析。经测试表明,该系统不仅可以爬取固定网址内的评论数据,而且可以对评论数据进行句子级和方面级的情感分析,使用户具有良好的使用体验。

关键词： 新媒体   创新意识   能力提升  

摘要： 在当今的社会和经济发展的背景下，传媒业对电视新闻编辑的整体能力要求越来越高。在新媒体环境下，电视新闻编辑应不断增强自身的创造性思维和综合素质，为传媒产业的发展贡献力量。本文从新媒体的角度，剖析了电视新闻编辑的作用，提出了在新媒体环境下提高电视新闻编辑综合素质和创造性思维的必要性。针对上述问题，本文给出了一些对策，希望能为新闻从业人员的职业生涯发展带来一定的借鉴作用。

摘要： 融媒体背景下，广播电视新闻编辑的工作面临着诸多挑战，新闻编辑如何在不断变化的媒体环境下提升自身创新能力，已逐渐成为了当前研究的热点课题。目前，广播电视行业面临着传统思维的束缚、行业竞争不断加剧、传播互动性不足等诸多问题，这就要求广播电视新闻编辑具备良好的创新能力，以适应新的媒体环境和受众需求，进而不断推动广播电视行业的可持续发展。

摘要： 在大数据时代，新闻编辑要充分利用新媒体评论自由、信息量大和传播速度快等优势，来完善新闻编辑的各项工作，加强对新闻内容的筛选和编辑，以满足人们对新闻热点的需求，只有这样才能实现新闻编辑的长远发展。因此在大数据时代下如何促进新媒体新闻编辑观的转型成为新闻编辑工作的当务之急。新媒体新闻编辑要适应时代发展潮流，转变新闻编辑观念，树立以新闻受众为中心的新闻编辑观，根据新闻受众的新闻接收方式和喜好来编辑符合受众新闻阅读需求的新闻作品，这样才能真正实现新媒体新闻编辑的长远发展。

关键词： 情感分析   深度学习   特征提取   方面级  

摘要： 新闻评论中包含了大量的背景知识,这些评论反映了评论者主观喜好。此外,新闻评论还受新闻报道中所蕴含的各种社会文化因素如意识形态、价值观念等的制约,挖掘评论中的情感倾向对个人及社会有重大意义。传统的情感分析方法是基于情感词典和基于机器学习的方法,基于情感词典的方法需要制作情感词典,难以覆盖所有领域和文本类型;基于机器学习的方法性能通常依赖于手动提取的特征质量和可靠性,而基于深度学习的方法可以利用大量的数据自动学习特征,具有可扩展性和灵活性。故本论文研究了深度学习在新闻评论情感分析中的应用,主要从两个方面:基于句子级的粗粒度情感分析和方面级的细粒度情感分析。本文研究工作的主要内容如下:(1)基于句子级的粗粒度情感分析,考虑到不同内容的新闻对用户的评论情感倾向有一定程度的影响,本文提出一种利用新闻特征对评论特征进行修正的模型,通过不同方法抽取新闻特征和评论特征,利用注意力机制对评论特征进行修正,将修正后的评论向量进行情感分析。在实验结果表明经过修正之后的评论特征在准确率、召回率、F1值上有明显提升。(2)基于方面级的细粒度情感分析任务,本文提出一种基于双图神经网络的情感分析模型。利用依存句法树和成分句法树有效地刻画长、短距离间的语法关系,通过边图卷积神经网络和图注意力神经网络来对依存句法树和成分句法树进行建模,通过特征融合将不同来源的信息融合到一起,然后利用新闻特征进行修正,生成更加丰富的文本特征向量,进而对方面类别进行识别。(3)在确定评论文本的方面类别后,为提高混合情感(既包含积极情感又包含消极情感)识别准确率,采用两个图神经网络对文本进行处理,分别对正向情感和负向情感进行捕捉。然后,应用注意力机制将这两个特征向量进行融合,并将其输入到输出层以输出最终的情感类别结果。实验表明,该模型在整体情感和混合情感的准确率分别达到84.6%和70.5%,优于其他模型。

关键词： 《中国舆论场》   融媒体   电视新闻评论节目  

摘要： 互联网传播技术的发展促使媒介形态除传统媒介之外,又生出了许多支撑信息互动与流通的渠道,而这些渠道与传统媒体的融合成为顺应发展、创新发展的重要通道。对于在我国电视媒体中占据重要地位的电视新闻评论节目来说,仅依靠电视媒体播出来获取收视率、占据市场份额、提升舆论导向作用、增加传播效果已经成为过去式。在这种背景下,积极寻求创新发展之路的电视新闻评论节目,开启了融媒化发展的新里程。《中国舆论场》正是在这样的背景下产生的国内首档大型融媒体电视新闻评论节目,而通过系统性地剖析、探究其创新发展现状以及存在的问题,是必要且有意义的。本文将通过案例分析法、深度访谈法、对比分析法,对融媒体节目《中国舆论场》的创新发展进行深入分析,在对其融媒化发展的主要举措进行阐释时,加入传统电视新闻评论节目的相应表现进行对比分析。在对《中国舆论场》进行梳理之后,对融媒体电视新闻评论反映出的不足之处,再结合深度访谈所得资料,提出一些改进的方法,如融合转型基础上再创新、拓宽互动新闻路径、多方式激活官方社交媒体平台活力等。力求融媒体电视新闻评论节目成为更具特色、互动性更强、传播效果良好、舆论引导功能强的创新型节目。文仅以此,为电视新闻评论节目的融媒化发展提供一些实践思路。

摘要： 在融媒体时代背景的影响下，随着新闻编辑工作的开展，能够在日常的社会生活中产生一定的影响。融媒体时代背景下的新闻编辑工作方式，在应用时能够打造独特的新闻内容，且构建方式与传统新闻编辑方法之间有着细微的不同。在现代化内容创作方式的作用下，对当前的社会舆论导向形成产生了比较重要的影响。在融媒体时代背景下，新闻编辑工作并不单单是针对新闻事件进行加工，而是需要采用更为独特的编辑方式，接收更为全面的新闻信息，使其能够产生重要的传播意义，并且有着较强的影响力。在融媒体发展过程中，对于新闻编辑内容的形成，需要在受众群体中形成广泛的传播，进而产生更为深远的影响。因此，通过分析融媒体时代背景下的新闻编辑工作发展困境，在完善新闻编辑内容建构时，提出科学、可行的新闻编辑工作策略，探索广阔的应用价值前景，为我国媒体传播领域的发展带来促进作用。

摘要： 进入全媒体时代后，各行各业的工作形式都发生了很大的改变，在这种情况下，新闻编辑进行工作的时候，也需要结合全媒体时代的要求，做好思维转变，引入更多新型的编辑思维和编辑方法，更好地做好新闻编辑，促进新闻行业的发展。新闻编辑工作属于新闻行业主要的工作内容，因为新闻行业的特殊性，在进行新闻编辑的时候，紧跟时事和时代发展是非常必要的。所以在全媒体时代，新闻编辑工作者就需要充分认识到这一点，结合全媒体时代的要求和时代的特点，及时转变思维模式，同时主动去了解现实的需求，然后结合现实需求，营造良好的环境，将全媒体时代的优势发挥出来。在具体的工作当中，新闻编辑者需要认识到信息载体的重要性，根据全新的要求，不断进步和学习，