摘要： 自20世紀(jì)90年代以來美國主流媒體一直關(guān)注著中國南海問題的發(fā)展,但其報道有失客觀公平性.鑒于此,借助語料庫工具和批評性語篇分析理論,通過研究"當(dāng)代美式英語語料庫"COCA中the South China Sea一詞的語義韻情況,采用定性與定量研究相結(jié)合的方法,揭示美國主流媒體在報道中國南海問題中含而不露的意識形態(tài)意義.

摘要： 《美國新聞與世界報道》已連續(xù)30年對法學(xué)院進(jìn)行排名,有其合理性,也成為校際競爭的''''指揮棒'''',但測評標(biāo)準(zhǔn)單一、過于依賴法學(xué)院入學(xué)考試成績等,在一定程度上制約了法學(xué)院多樣性發(fā)展,引發(fā)較大爭議,各界一直在謀求更為準(zhǔn)確衡量法學(xué)院教育質(zhì)量的指標(biāo)體系。其探索與實(shí)踐,對我國當(dāng)下愈演愈烈的法學(xué)排名現(xiàn)象的啟示是:學(xué)科排名較綜合實(shí)力排名更為科學(xué)、富有建設(shè)性;排名為社會評價的客觀需要,法學(xué)院應(yīng)積極參與;建立多元排名體系,反映高等法學(xué)教育的全貌與特色;法學(xué)院應(yīng)努力提升人才培養(yǎng)質(zhì)量、加強(qiáng)信息公開;公眾應(yīng)理性對待排名,利用多途徑主動獲取所需資訊。

摘要： 《美國新聞與世界報道》已連續(xù)30年對法學(xué)院進(jìn)行排名,有其合理性,也成為校際競爭的“指揮棒”,但測評標(biāo)準(zhǔn)單一、過于依賴法學(xué)院入學(xué)考試成績等,在一定程度上制約了法學(xué)院多樣性發(fā)展,引發(fā)較大爭議,各界一直在謀求更為準(zhǔn)確衡量法學(xué)院教育質(zhì)量的指標(biāo)體系.其探索與實(shí)踐,對我國當(dāng)下愈演愈烈的法學(xué)排名現(xiàn)象的啟示是:學(xué)科排名較綜合實(shí)力排名更為科學(xué)、富有建設(shè)性;排名為社會評價的客觀需要,法學(xué)院應(yīng)積極參與;建立多元排名體系,反映高等法學(xué)教育的全貌與特色;法學(xué)院應(yīng)努力提升人才培養(yǎng)質(zhì)量、加強(qiáng)信息公開;公眾應(yīng)理性對待排名,利用多途徑主動獲取所需資訊.

摘要： 《美國新聞和世界報導(dǎo)》網(wǎng)站曾推薦了6位長壽老人的抗衰老秘訣,希望他們質(zhì)樸、誠懇的人生經(jīng)驗,能助您在長壽路上走得更遠(yuǎn)。晚上別吃太多,否則會生病。——106歲的斯坦尼斯拉夫·科爾瓦斯基在接受英國《每日郵報》采訪時說。研究表明,如果在夜間進(jìn)食過于油膩的食物,身體會更傾向于把這些熱量作為脂肪存儲起來,而不是把它作為能量來燃燒,這就會導(dǎo)致體重增加,埋下多種健康隱患。因此,進(jìn)食的時間會對健康產(chǎn)生重要影響。

摘要： 美國新聞的發(fā)展史表現(xiàn)為人民為新聞傳播而斗爭，逐步?jīng)_破組織信息流動的障礙，一步步實(shí)現(xiàn)新聞自由及新聞價值。美國新聞自由是建立在堅實(shí)的歷史積淀上。所以本文從歷史角度，就早期美國新聞自由的發(fā)展史做了簡要論述，進(jìn)而對新聞自由進(jìn)行界定。

摘要： 通過對比中美藝術(shù)學(xué)科設(shè)置和藝術(shù)教育,可以發(fā)現(xiàn)美國各高校都把掌握定量分析、思維與邏輯法定為大學(xué)生必須達(dá)到的畢業(yè)標(biāo)準(zhǔn),而中國的高等藝術(shù)教育在這方面還不夠重視。參照美國大學(xué)普遍開設(shè)的跨文化研究、媒介文化、傳媒定量研究方法以及傳媒定性研究方法等課程,并根據(jù)美國三大頂級傳媒協(xié)會國際傳媒協(xié)會（ICA）、美國傳媒協(xié)會（NCA）、美國新聞傳媒教育協(xié)會（AEJMC）等組織的年度會議學(xué)科信息,筆者認(rèn)為中國藝術(shù)學(xué)科建設(shè)在保持自己特色的基礎(chǔ)上,可以汲取美國藝術(shù)教育的數(shù)理性和系統(tǒng)性,設(shè)置并建設(shè)計量藝術(shù)學(xué)專業(yè)。

摘要： 美國當(dāng)?shù)貢r間2016年9月13日,U.S.News發(fā)布2017全美最佳大學(xué)排行榜。U.S.News是美國著名的綜合性報道評論周刊U.S.News and Word Report的簡稱,1948年由《美國新聞》和《世界報道》兩本雜志合并而成。美國有多個機(jī)構(gòu)對大學(xué)進(jìn)行排名整理,其中最具權(quán)威性和影響力的就是由U.S.News在每年9月發(fā)布的全美大學(xué)綜合實(shí)力排行榜。U.S.News對美國的大學(xué)排名始于1983年,1985年后每年更新一次。

摘要： 紐約大學(xué)阿布扎比分校(New York University Abu Dhabi,以下簡稱NYUAD)近些年越來越受到計劃赴美留學(xué)讀本科的同學(xué)們的關(guān)注。由于該校不參與評選美國最有影響力的《美國新聞和世界報道》大學(xué)排名(US News College Board),坊間對其傳言不少,有的說這是全球最難申請的大學(xué),有的說這是世界上最為"土豪"的大學(xué),有的說該校的學(xué)術(shù)水平遠(yuǎn)超美國本土大學(xué)……那么到底情況如何呢?本文就帶大家揭開這所大學(xué)的神秘面紗。

摘要： 一種社交媒體事件級新聞中新聞媒體影響力評估方法，屬于數(shù)據(jù)挖掘和復(fù)雜網(wǎng)絡(luò)技術(shù)領(lǐng)域，用于解決評估新聞媒體影響力的問題，技術(shù)要點(diǎn)是包括R1、采集社交媒體數(shù)據(jù)，構(gòu)建事件語料庫；R2、統(tǒng)計語料庫中各用戶的相關(guān)數(shù)據(jù)；R3、構(gòu)建轉(zhuǎn)發(fā)網(wǎng)絡(luò)；R4、構(gòu)建評價模型評估新聞媒體影響力；R5、以國家為單位，對影響力進(jìn)行可視化；本發(fā)明可以從事件層面出發(fā)，評估新聞媒體影響力，并以國家為單位對影響力進(jìn)行展示。

摘要： 本發(fā)明實(shí)施例公開了一種語音新聞的處理方法，包括：對待處理新聞文本進(jìn)行分段處理，獲得至少一段分段待處理新聞文本；將所述各分段待處理新聞文本分別進(jìn)行語音轉(zhuǎn)換，獲得各分段語音新聞；將所述各分段語音新聞進(jìn)行合成，獲得所述語音新聞；將所述語音新聞推送給終端。本發(fā)明實(shí)施例還公開了一種新聞服務(wù)器及系統(tǒng)。采用本發(fā)明，新聞服務(wù)器可自動對待處理新聞文本進(jìn)行分段快速處理，獲得語音新聞并推送給終端，提高語音新聞的時效性。

摘要： 本發(fā)明提供了一種基于海量新聞數(shù)據(jù)事件熱度的新聞推薦方法，首先利用Solr搜索引擎，從海量新聞文本數(shù)據(jù)中快速搜索出具體事件的新聞數(shù)據(jù)；接著利用HanLP自然語言包對新聞進(jìn)行分詞，通過構(gòu)建事件詞典，并將分詞結(jié)果與詞典進(jìn)行匹配，根據(jù)新聞匹配程度篩選新聞；考慮事件的累加效應(yīng)和新聞的衰減特性，進(jìn)一步建立衡量事件熱度的計算模型，從而分析事件的熱度趨勢變化情況，根據(jù)事件熱度情況推薦新聞。本方法實(shí)現(xiàn)了通過構(gòu)建事件詞典，從海量新聞數(shù)據(jù)中篩選事件新聞，利用非結(jié)構(gòu)化的新聞媒體數(shù)據(jù)，感知事件輿論熱度演變趨勢，根據(jù)事件熱度推薦熱點(diǎn)新聞。

摘要： 本發(fā)明提供了一種新聞推薦方法及新聞推薦系統(tǒng)，涉及信息處理技術(shù)領(lǐng)域。本發(fā)明先獲取當(dāng)前用戶信息、用戶行為信息以及后臺推送的新聞數(shù)據(jù)；然后根據(jù)當(dāng)前用戶信息、用戶行為信息以及新聞數(shù)據(jù)中的新聞特征從所有新聞數(shù)據(jù)中預(yù)篩選出候選新聞數(shù)據(jù)；之后利用多頭注意力機(jī)制的特征交叉模型對候選新聞數(shù)據(jù)計算獲得新聞推薦指數(shù)；最后將新聞推薦指數(shù)最高的候選新聞數(shù)據(jù)推送給當(dāng)前用戶。上述技術(shù)方案利用多頭注意力機(jī)制的特征交叉模型計算用戶對候選新聞數(shù)據(jù)的推薦指數(shù)，能夠找到推薦指數(shù)最高的新聞，從用戶被動獲取新聞到主動推薦新聞，達(dá)到了提升車載終端智能化體驗感。

摘要： 本公開提供了一種虛假新聞判別模型的訓(xùn)練方法、虛假新聞判別方法及裝置。該訓(xùn)練方法包括獲取新聞訓(xùn)練樣本集，其中，新聞訓(xùn)練樣本集包括多個訓(xùn)練樣本和與訓(xùn)練樣本對應(yīng)的標(biāo)簽數(shù)據(jù)，其中，訓(xùn)練樣本包括異構(gòu)圖，異構(gòu)圖是根據(jù)與新聞相關(guān)的節(jié)點(diǎn)和節(jié)點(diǎn)關(guān)系生成的，節(jié)點(diǎn)包括分別對應(yīng)于新聞內(nèi)容、推廣內(nèi)容和用戶信息的多個初始向量，節(jié)點(diǎn)關(guān)系包括根據(jù)與新聞對應(yīng)的關(guān)聯(lián)關(guān)系和關(guān)注關(guān)系生成的鄰接矩陣；將新聞訓(xùn)練樣本集中的訓(xùn)練樣本輸入異構(gòu)圖神經(jīng)網(wǎng)絡(luò)，輸出預(yù)測結(jié)果；將預(yù)測結(jié)果和標(biāo)簽數(shù)據(jù)輸入損失函數(shù)，得到損失結(jié)果；根據(jù)損失結(jié)果迭代地調(diào)整異構(gòu)圖神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù)，生成經(jīng)訓(xùn)練的虛假新聞判別模型。

摘要： 本發(fā)明公開了一種基于關(guān)鍵句組、新聞原文的新聞評論過濾方法及系統(tǒng)，包括：獲取新聞原文對應(yīng)的一個關(guān)鍵句組，并根據(jù)GPT－2模型，計算得到所述關(guān)鍵句組對應(yīng)的多個第一新聞評論；根據(jù)RoBERTa模型，對所述關(guān)鍵句組以及對應(yīng)的所述第一新聞評論進(jìn)行情感分析，得到所述關(guān)鍵句組對應(yīng)的第二新聞評論；對所述關(guān)鍵句組以及對應(yīng)的所述第二新聞評論進(jìn)行語義匹配，得到所述關(guān)鍵句組對應(yīng)的第三新聞評論，完成對所述關(guān)鍵句組的新聞評論過濾。本發(fā)明對新聞原文對應(yīng)的關(guān)鍵句組進(jìn)行依次選取并生成多個新聞評論，豐富了新聞評論的多樣性，并且對生成的新聞評論進(jìn)行情感分析和語義匹配，以過濾與新聞原文情感和語義不匹配的新聞評論。

摘要： 本發(fā)明涉及一種基于新聞環(huán)境信息建模的虛假新聞檢測方法，其特征在于：基于待檢測新聞獲取其發(fā)布前若干天內(nèi)的新聞消息集合，將其作為宏觀新聞環(huán)境；從新聞消息集合中提取與待檢測新聞相似度最高的若干條新聞，將其作為微觀新聞環(huán)境；基于待檢測新聞向量與宏觀新聞環(huán)境所有新聞元素向量的相似度計算宏觀環(huán)境感知向量；基于待檢測新聞向量和微觀環(huán)境中心向量與微觀新聞環(huán)境所有新聞元素向量的相似度計算微觀環(huán)境感知向量，其中微觀環(huán)境中心向量為微觀新聞環(huán)境所有新聞元素向量的均值；獲取虛假新聞檢測器的對待檢測新聞的新聞表示向量，將新聞表示向量與所述宏觀環(huán)境感知向量和所述微觀環(huán)境感知向量融合，并基于融合結(jié)合判斷該待檢測新聞的真假。

摘要： 本發(fā)明公開了一種基于新聞場景下用戶行為的個性化新聞推薦方法，該方法包括：獲取用戶在新聞平臺的歷史行為數(shù)據(jù)集，利用該數(shù)據(jù)集來構(gòu)造特征集，并對該數(shù)據(jù)集作預(yù)處理，通過所構(gòu)建的多路召回模型，得到新聞推薦候選集，再將新聞推薦候選集輸入混合排序模型中，得到最終的新聞推薦結(jié)果序列。本發(fā)明在多路召回階段提供了基于關(guān)聯(lián)規(guī)則與多因子模型改進(jìn)的協(xié)同過濾算法，減小推薦排序的數(shù)據(jù)規(guī)模，提高后續(xù)排序效率。此外，在排序階段提供了混合排序模型對新聞推薦候選集進(jìn)行排序，結(jié)合機(jī)器學(xué)習(xí)算法的特征可解釋性與深度學(xué)習(xí)算法的高語義表征能力，在保證推薦結(jié)果合理的同時提升了推薦效果。

摘要： 本發(fā)明提供一種虛假新聞識別模型構(gòu)建方法、虛假新聞識別方法與裝置。其中，虛假新聞識別模型構(gòu)建方法包括：獲取新聞數(shù)據(jù)集，提取新聞數(shù)據(jù)集中每條新聞對應(yīng)的文本特征信息和圖片特征信息，并將每條新聞對應(yīng)的文本特征信息和圖片特征信息進(jìn)行聯(lián)合操作，得到每條新聞對應(yīng)的多模態(tài)特征，將所有新聞對應(yīng)的該多模態(tài)特征輸入初始虛假新聞識別模型中，并利用交叉熵?fù)p失和對比損失對初始虛假新聞識別模型進(jìn)行聯(lián)合訓(xùn)練，得到最終的虛假新聞識別模型。本發(fā)明通過將同一條新聞對應(yīng)的圖片特征信息和文本特征信息聯(lián)合作為模型的輸入來構(gòu)建虛假新聞識別模型，并通過對交叉熵?fù)p失與對比學(xué)習(xí)損失的聯(lián)合訓(xùn)練，提升了對虛假新聞檢識別的準(zhǔn)確度。

摘要： 本發(fā)明提供一種基于新聞異構(gòu)網(wǎng)絡(luò)的關(guān)系感知新聞推薦方法、系統(tǒng)、設(shè)備，其中方法首先構(gòu)建新聞異構(gòu)網(wǎng)絡(luò)（各個目標(biāo)新聞所共同形成的目標(biāo)新聞異構(gòu)網(wǎng)絡(luò)的集合），基于顯式關(guān)系和隱式關(guān)系，使得該新聞異構(gòu)網(wǎng)絡(luò)包含所有用戶點(diǎn)擊新聞和用戶候選新聞節(jié)點(diǎn)，并融入了異構(gòu)的多視圖新聞信息節(jié)點(diǎn)和外部知識節(jié)點(diǎn)豐富新聞網(wǎng)絡(luò)表示，同時利用異構(gòu)節(jié)點(diǎn)分別構(gòu)建顯式連接和隱式連接兩種新聞關(guān)系，而后基于所提出的新聞異構(gòu)網(wǎng)絡(luò)和用戶歷史行為分別獲取細(xì)粒度新聞理解表征和用戶興趣表征，如此達(dá)成適合用戶的新聞推薦，相較于現(xiàn)有技術(shù)能夠緩解新聞冷啟動問題，增強(qiáng)用戶興趣的可解釋性和準(zhǔn)確性，最終從邏輯上提高新聞推薦的準(zhǔn)確性。