新闻传播考研，新闻传播考研考哪些科目
来源：广播与电视技术
翻译：王淳
审稿：杨 宇
日本公共广播机构nhk的科学技术研究实验室strl一直在研究使用ai（人工智能）技术来支持节目制作，如利用自然语言处理、语音识别和图像识别等技术。2022年nhk strl开放日展示了一种能为新闻脚本自动分配内容标签、并提取关键字和相关文章信息的系统。
图1新闻文稿分析系统及其使用场景
1. 研究目标
这项研究旨在提高节目制作效率，以及使观众能够轻松访问他们想要的信息。为实现这一目标，该研究尝试开发了一种能自动分析新闻稿件并分配分类标签的技术。
2. 研究主题
在新闻工作中，nhk需将新闻稿件保存到数据库，以便在日后的节目制作中使用，而稿件存档时必须添加分类标签，以便于搜索，但以人工方法很难快速完成这项工作。为了方便观众观看，nhk的新闻网站（nhk news web）在发布新闻报道的同时，也会给出其分类标签。为了完美实现上述工作，nhk需要提高分类标签自动分配的准确性，这是一个不小的挑战。
3. 具体内容
nhk strl正在研究支持高效内容制作的技术，比如在电视节目制作过程中或新闻网站开发中使用ai技术。例如，nhk strl开发了一个sns（社交网络服务）分析系统，能够以更快、更易于理解的方式处理全球突发事件信息。此外，nhk strl也致力于研究语音、图像识别系统，以便更有效地利用节目素材。
以下是nhk strl开发的新闻文稿分析系统，该系统可以为新闻文稿分配和添加各种信息，如：标签、关键词以及相关文章。
图2 新闻文稿分析系统简介
对于一篇描述天气信息的稿件，为了使观众能够对文章大致内容一目了然，除了添加“天气/灾害”标签，还需为其分配文本中有的细节信息，如“台风”“大雨”等。nhk的新闻文稿分析系统可以自动提取新闻文稿中的关键词来增加信息标签分配的灵活性，使得分配给文章的信息标签不局限于预定义的术语。此外，该系统可以找出一系列先前发布过的相关文章，帮助观众省去了搜索相关信息的时间。因此，在新闻制作中引入该系统，不仅易于保持对新闻内容的跟踪，还可以大大缩减新闻制作的工作量，将新闻更快地传递给观众。
广播电台和电视台每天都会产生大量的新闻稿件，为确保书面稿件的准确性，新闻制作工作流程需要众多人员花费大量时间和精力来阅读和处理文稿内容。因此，如果有一个系统能够支持上述工作，自动为新闻文档附上一目了然的信息标签，则可以减少整个工作流程所需的人力和时间。
nhk的新闻文稿分析系统还能为观众提供一目了然且准确的分类标签，并推送相关的过往新闻，因此该系统可以帮助新闻网站页面更加满足用户需求。
4. 详细说明
（1）新闻文稿的特点
在新闻文稿中，背景事件往往也作为相关信息被添加进来，因此一篇新闻文稿往往包含了大量话题。
（2）多标签文本分类
从具有上述特点的新闻文稿中分析出主要话题，就是一个多标签文本分类任务。nhk的新闻文稿分析系统使用了一种叫bert的神经网络模型来完成这一任务，该模型已经在大量文本语料库上进行了训练，包括日语维基百科、nhk公共新闻和推特上的数据。
图3该系统使用bert模型进行多标签文本分类
（3）使用标签共现信息[注1]构建训练数据
在神经网络训练期间，上述多标签文本分类模型会对出现频率较低的“低频标签”产生过拟合现象。为解决这一问题，nhk strl提出了一种使用共现信息的标签平滑[注2]处理方法。
图4 使用共现信息的标签平滑
共现信息指的是多个信息通常会在文稿中一起出现，比如在同一篇气象新闻中，“台风”和“风暴”两个词汇往往都会出现；而且通常共现信息之间是彼此高度相关的。如果“风暴”属于低频标签，但其共现信息“台风”属于高频标签，将共现信息引入标签平滑处理，就能使低频标签与其他与之相关高频标签一起以较高的精度被学习，从而解决低频标签训练时产生的过拟合问题。
注：
[1]共现信息：co-occurrence information，指通常会同时出现的不同信息。
[2]标签平滑：是一种调整训练数据概率值的算法。
好文共赏请转发 有话要说请留言
新闻传播考研(新闻传播考研考哪些科目)
未经允许不得转载：m6米乐网页版-米乐体育官网app入口 » 新闻传播考研(新闻传播考研考哪些科目)