-
摘要: 【目的】 新闻报道对社会发展十分重要，但传统新闻写作效率低，难以满足需求。该项目利用 ERNIE 等 预训练语言模型，通过训练新闻数据集，实现高质量新闻稿自动生成，以提高效率和准确性。【方法】使用百度 新闻大数据，选取近百万篇高质量新闻作为数据集，采用 ERNIE 模型进行训练。设置合适的模型结构、超参数， 使用训练集、验证集、测试集，通过预训练获得新闻写作模型。模型可自动生成标题、内容、摘要。【结果】实 验结果表明，本方法生成新闻稿准确度好，客观中立，多样性较强，达到专业水准，实用性强。较人工写作提高 效率，但个性化表述不足。【结论】该项目利用 ERNIE 等模型实现新闻自动写作，效率、准确度较人工写作有 很大提高，实现了新闻采写自动化。但生成式新闻仍需人工审阅，人机协同很必要。该文为新闻自动写作研究与 应用作出有益探索。
-
[1] 宁珊，严馨，徐广义，周枫，张磊 . 融合关键词的中文 新闻文本摘要生成 [J]. 计算机工程与科学，2020（12）： 2265-2272. [2] 谭金源，刁宇峰，祁瑞华，林鸿飞 . 基于 BERT-PGN 模 型的中文新闻文本自动摘要生成 [J]. 计算机应用，2021 （1）：127-132. [3] 孙宝山，谭浩 . 基于 ALBERT-UniLM 模型的文本自动 摘要技术研究 [J]. 计算机工程与应用，2022（15）：184- 190. [4] 叶榕，邵剑飞，张小为，邵建龙 . 基于 BERT-CNN 的 新闻文本分类的知识蒸馏方法研究 [J]. 电子技术应用， 2023（1）：8-13. [5] 黄炎，孙海丽，徐科，等 . 基于主题约束的篇章级文本 生成方法 [J]. 北京大学学报：自然科学版，2020（1）： 9-15. -
点击查看大图
计量
- 文章访问数: 92
- HTML全文浏览量: 25
- PDF下载量: 6
- 被引次数: 0
下载:
