公开(公告)号：CN115033668B

公开(公告)日：2022-11-11

申请号：CN202210965268.3

申请日：2022-08-12

Applicant: 清华大学

Inventor： 侯磊 ,  师凯杰 ,  孟斌杰 ,  李涓子 ,  张鹏 ,  唐杰 ,  许斌

IPC: G06F16/33 ,  G06F16/35 ,  G06F40/284 ,  G06F40/295 ,  G06F40/30

Abstract: 本发明涉及自然语言处理技术领域，提供一种故事脉络构建方法、装置、电子设备和存储介质，包括：获取待构建脉络的新闻集合；基于关系检测模型，对新闻集合中的每两个新闻进行脉络关系检测，得到每两个新闻之间的脉络关系检测结果；基于每两个新闻之间的脉络关系检测结果，构建新闻集合对应的故事脉络；关系检测模型基于正样本对和负样本对训练得到，正样本对基于话题相同、时间相邻且事件不同的样本新闻确定，负样本对基于话题相同且时间间隔的样本新闻和/或话题不同的样本新闻确定，样本新闻的话题和事件基于聚类得到。本发明在无需人工参与的情况下，提高了数据集构建的效率和可靠性，扩张了数据集规模，保障了故事脉络构建的可靠性和准确性。

公开(公告)号：CN115033668A

公开(公告)日：2022-09-09

申请号：CN202210965268.3

申请日：2022-08-12

Applicant: 清华大学

Inventor： 侯磊 ,  师凯杰 ,  孟斌杰 ,  李涓子 ,  张鹏 ,  唐杰 ,  许斌

IPC: G06F16/33 ,  G06F16/35 ,  G06F40/284 ,  G06F40/295 ,  G06F40/30

Abstract: 本发明涉及自然语言处理技术领域，提供一种故事脉络构建方法、装置、电子设备和存储介质，包括：获取待构建脉络的新闻集合；基于关系检测模型，对新闻集合中的每两个新闻进行脉络关系检测，得到每两个新闻之间的脉络关系检测结果；基于每两个新闻之间的脉络关系检测结果，构建新闻集合对应的故事脉络；关系检测模型基于正样本对和负样本对训练得到，正样本对基于话题相同、时间相邻且事件不同的样本新闻确定，负样本对基于话题相同且时间间隔的样本新闻和/或话题不同的样本新闻确定，样本新闻的话题和事件基于聚类得到。本发明在无需人工参与的情况下，提高了数据集构建的效率和可靠性，扩张了数据集规模，保障了故事脉络构建的可靠性和准确性。

公开(公告)号：CN114398884A

公开(公告)日：2022-04-26

申请号：CN202111468086.7

申请日：2021-12-03

Applicant: 清华大学

Inventor： 李涓子 ,  师凯杰 ,  侯磊 ,  唐杰 ,  许斌

IPC: G06F40/289 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种新闻分类方法、装置、设备及介质，获取当前新闻数据；对所述当前新闻数据进行向量化处理，得到当前向量；确定所述当前向量和各历史聚类中心的第一距离中的最小距离；当所述最小距离小于预设值时，将所述当前向量添加到所述最小距离对应的历史聚类中心，得到待处理聚类中心；计算所述待处理聚类中心中任意两个向量之间的第二距离；当存在所述第二距离大于或等于所述预设值时，分割所述待处理聚类中心，得到至少两个子聚类中心；将包括有所述当前向量的子聚类中心对应的类别，作为所述当前新闻数据的类别。本发明以解决现有技术中新闻分类的准确率较低的缺陷。