任海平

（浙江日报报业集团产品研发中心，浙江 杭州 310039）

一、引言

随着媒体大数据时代的到来，媒体用户获取信息的渠道变得越来越丰富，也越来越便利，而日益快速增长的新闻资源不仅给新闻出版行业发展带来巨大的机遇，更带来了前所未有的挑战。这些挑战是多层次、多方面的，本文聚焦其中的技术挑战——如何高效利用海量新闻资源提升新闻制作水平，立足浙报集团媒体出版特色，利用深度学习的模型设计并实现智能写稿辅助服务平台。

要实现高质量的智能写稿辅助功能，关键技术难点是如何快速有效地从海量新闻文本中把与当前撰写稿件相关的新闻资料汇聚起来，形成有价值的创作素材。由于这种汇聚要求在语义上是高度相关的，因此简单利用关键词搜索不仅费时费力，也无法取得汇聚的良好效果。利用机器学习的方法，实现新闻文本资源的自动聚类是一个较好的解决方案。传统面向文本聚类的机器学习方法主要包括：基于决策树、基于概率图模型和基于向量空间等各类方法。然而，这些方法都属于浅层模型，无法利用不断增长的文本数据来提高聚类效果，甚至会下降。因此，本文采用深度学习的模型，实现新闻文本资源的高质量聚类。具体而言，我们利用深度学习模型对文本进行层层特征提取并降维，最终获得较为精练的文本特征代码，使得在语义上相关度较高的文本代码，在语义空间中的距离也是相近的，从而实现相关资料的汇聚。……