汉英硬新闻评判系统对比分析的中期报告.docxVIP

汉英硬新闻评判系统对比分析的中期报告 本中期报告将对目前两个汉英硬新闻评判系统进行对比分析，包括系统的设计思路、数据源、方法及准确性等方面的评估和比较。 目前，我们评估的两个汉英硬新闻评判系统分别为： 1. 华盛顿大学的中国对外传播一机构自主研发的“新闻调性分析系统”（TNAS） 2. 中国科学院计算技术研究所自主研发的“全息媒体语义分析系统”（HMSS） 设计思路： TNAS系统重点考虑了新闻调性的情感分析，通过深度学习的方法从大量文本数据中提取情感特征，并根据情感特征来判断新闻的正负中性。HMSS系统则更加注重语义分析，通过对新闻文本进行实体识别、事件抽取、主题分析等方式，来较全面地分析新闻报道内容。 数据源： TNAS系统针对的数据源主要是搜索引擎，包括百度、谷歌等，通过对返回结果进行分析来判断相关新闻的调性。而HMSS系统则主要针对各大新闻媒体的原始报道进行分析。 方法： TNAS系统主要采用情感分析算法来判断新闻调性，包括词袋模型、卷积神经网络、循环神经网络等方法。HMSS系统则采用了更多的自然语言处理技术，包括实体识别、事件抽取、主题分析等方法。 准确性： 目前来看，TNAS系统的准确率较高，能够对大量的新闻文本进行快速分析，同时也可以对负面报道进行有效的判断。而HMSS系统则更加全面，可以从语义分析的多个维度进行评估，但需要更大规模的数据和更多的训练，才能逐步提高准确率。 综上所述，TNAS系统和HMSS系统各自有其优点和不足，TNAS系统重点在新闻调性分析上准确性相对比较高，HMSS系统可以进行更加全面的语义分析，但需要更多的数据和训练来逐步提高准确率。接下来，我们将继续对两个系统进行深入研究和分析。