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
Research on Identification of COVID-19 News Elements based on Transfer Learning in Multitask Environment
-
作者：
赵梓博
1,2
王昊
1,2
刘友华
1
张卫
1,2
孟镇
1,2
-
作者单位：
-
提交时间：2023-10-08 09:44:06
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。
版本历史
| [V1] |
2023-10-08 09:44:06 |
ChinaXiv:202310.02985V1
|
下载全文 |
相关信息
点击量
下载量
