[发明专利]新闻文本分类系统在审

专利信息
申请号: 202110914877.1 申请日: 2021-08-10
公开(公告)号: CN113568856A 公开(公告)日: 2021-10-29
发明(设计)人: 高琦;范德儒;刘畅 申请(专利权)人: 河海大学
主分类号: G06F13/40 分类号: G06F13/40;G06K9/62
代理公司: 苏州和氏璧知识产权代理事务所(普通合伙) 32390 代理人: 王小蓓
地址: 210009 *** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 新闻 文本 分类 系统
【说明书】:

发明公开了新闻文本分类系统,包括前端主机、数据处理芯片、分类处理芯片、算法控制箱、单文本处理控制箱、多文本处理控制箱,所述数据处理芯片与前端主机、算法控制箱之间设置有数据接口与一号连接线缆,所述分类处理芯片与前端主机、算法控制箱之间设置有四号连接线缆,所述前端主机与单文本处理控制箱之间设置有二号连接线缆,所述前端主机与多文本处理控制箱之间设置有三号连接线缆。本发明所述的新闻文本分类系统,单条新闻预测不超过0.2s,且根据设备情况运用GPU加速,训练数据超过1000000条,每一类数据十分均匀,结果更可靠,前端界面简单明了,批量预测使用多线程,准确率高,比人类平均正确率高。

技术领域

本发明涉及新闻文本分类领域,特别涉及新闻文本分类系统。

背景技术

新闻文本分类系统是一种进行新闻文本数据分类的支撑设备,新闻,是人们获取信息,了解时事热点的重要途径,随着新闻行业数字化的发展,网络平台上的新闻报道、新闻评论、网友发声等文本数据快速增加,将这些文本数据正确归类,可以更好地组织、利用这些信息,自动新闻文本分类将人们从繁琐的手工分类中解放出来,使分类任务变的更为高效,准确,帮助用户提高检索效率,有助于提升用户阅读体验,同时为进一步的数据挖掘和分析奠定基础,随着科技的不断发展,人们对于新闻文本分类系统的制造工艺要求也越来越高。

现有的新闻文本分类系统在使用时存在一定的弊端,首先,不能很好的对新闻数据资源进行预处理操作,对其进行文本分类较为麻烦,不利于人们的使用,还有,一次性处理文本较少,效率低,准确率低,而在传统分类模式下,往往是通过人工对新闻内容进行核对,从而将新闻划分到合适的类别中,这种方式会消耗大量的人力资源,并且效率不高,面对规模巨大且不断增长的文本信息,依靠人工将海量的文本信息分类是不现实的,给人们的使用过程带来了一定的不利影响,为此,我们提出新闻文本分类系统。

发明内容

(一)解决的技术问题

针对现有技术的不足,本发明提供了新闻文本分类系统,单条新闻预测不超过0.2s,且根据设备情况运用GPU加速,训练数据超过1000000条,每一类数据十分均匀,结果更可靠,前端界面简单明了,批量预测使用多线程,准确率高,测试数据准确率高于94%,比人类平均正确率高,可以有效解决背景技术中的问题。

(二)技术方案

为实现上述目的,本发明采取的技术方案为:新闻文本分类系统,包括前端主机、数据处理芯片、分类处理芯片、算法控制箱、单文本处理控制箱、多文本处理控制箱,所述数据处理芯片与前端主机、算法控制箱之间设置有数据接口与一号连接线缆,所述分类处理芯片与前端主机、算法控制箱之间设置有四号连接线缆,所述前端主机与单文本处理控制箱之间设置有二号连接线缆,所述前端主机与多文本处理控制箱之间设置有三号连接线缆。

优选的,所述前端主机的前端安装有控制模块与显示面板,所述算法控制箱的前端安装有显示界面与控制器。

优选的,所述前端主机的内部设置有新闻文本分类模块,所述新闻文本分类模块连接有模型选择模块,所述模型选择模块连接有批量预测模块与单句预测模块,所述批量预测模块与单句预测模块均连接有预测输出模块。

优选的,所述新闻文本分类模块的输出端与模型选择模块的输入端连接,所述模型选择模块的输出端与批量预测模块、单句预测模块的输入端连接,所述批量预测模块与单句预测模块的输出端与预测输出模块的输入端连接。

优选的,所述前端主机、数据处理芯片、分类处理芯片、算法控制箱、单文本处理控制箱、多文本处理控制箱之间设置有QT前端模块、新闻数据处理模块、分类结果处理模块、算法模块、单条新闻文本模块、多条新闻文件模块。

优选的,所述QT前端模块的输出端通过新闻数据处理模块与算法模块的输入端连接,所述QT前端模块的输入端通过分类结果处理模块与算法模块的输出端连接。

(三)有益效果

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于河海大学,未经河海大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110914877.1/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code