[发明专利]新闻类别检测方法及系统

权利要求书

1.一种新闻类别检测方法，其特征在于，包括：

获取待检测新闻的内容文本和社会属性文本；

将所述内容文本以及所述社会属性文本输入至新闻类别粗检测模型，得到所述新闻类别粗检测模型输出的所述待检测新闻的第一类类别文本；

其中，所述新闻类别粗检测模型用于对所述内容文本以及所述社会属性文本进行特征提取，得到第一类特征；并基于所述社会属性文本，对所述第一类特征进行特征融合，基于所述第一类特征的融合结果，对所述待检测新闻的第一类类别进行检测；所述新闻类别粗检测模型基于带有第一类类别文本标签的第一类样本新闻训练得到；

所述方法还包括：

将所述第一类类别文本、所述内容文本以及所述社会属性文本输入至新闻类别细检测模型，得到所述新闻类别细检测模型输出的所述待检测新闻的第二类类别文本；

其中，所述新闻类别细检测模型用于对所述第一类类别文本、所述内容文本以及所述社会属性文本进行特征提取，得到第二类特征；并基于所述社会属性文本，对所述第二类特征进行特征融合，基于所述第二类特征的融合结果，对所述待检测新闻的第二类类别进行检测；所述新闻类别细检测模型基于带有第一类类别文本标签、第二类类别文本标签的第二类样本新闻训练得到；

所述新闻类别细检测模型，还用于：

对所述待检测新闻对应的标记位、所述内容文本以及所述社会属性文本作为整体与所述第一类类别文本之间的隔离位进行特征提取，分别得到标记位特征以及所述隔离位对应的第二类特征；

基于所述标记位特征以及所述第二类特征的融合结果，对所述待检测新闻的第二类类别进行检测。

2.根据权利要求1所述的新闻类别检测方法，其特征在于，所述新闻类别粗检测模型具体包括第一特征提取层，所述新闻类别细检测模型具体包括第二特征提取层；

所述第一特征提取层具体用于：基于BERT模型，对所述内容文本以及所述社会属性文本进行特征提取，得到所述第一类特征；和/或，

所述第二特征提取层具体用于：基于BERT模型，对所述第一类类别文本、所述内容文本以及所述社会属性文本进行特征提取，得到所述第二类特征。

3.根据权利要求2所述的新闻类别检测方法，其特征在于，所述第一特征提取层具体用于：

将所述内容文本以及所述社会属性文本输入至所述BERT模型的嵌入表示层，得到所述嵌入表示层输出的与所述内容文本以及所述社会属性文本相对应的初始嵌入向量；

将所述初始嵌入向量输入至所述BERT模型的编码层，并经由所述BERT模型的隐层单元输出层输出所述第一类特征；和/或，

所述第二特征提取层具体用于：

将所述第一类类别文本、所述内容文本以及所述社会属性文本输入至所述BERT模型的嵌入表示层，得到所述嵌入表示层输出的与所述第一类类别文本、所述内容文本以及所述社会属性文本相对应的初始嵌入向量；

将所述初始嵌入向量输入至所述BERT模型的编码层，并经由所述BERT模型的隐层单元输出层输出所述第二类特征。

4.根据权利要求1所述的新闻类别检测方法，其特征在于，所述新闻类别粗检测模型还包括：第一特征融合层，所述新闻类别细检测模型还包括：第二特征融合层；

所述第一特征融合层具体用于：基于注意力机制，对所述第一类特征进行融合；和/或，所述第二特征融合层具体用于：基于注意力机制，对所述第二类特征进行融合；

其中，所述第一类特征中不同特征的权重，以及所述第二类特征中不同特征的权重均基于所述社会属性文本确定。

5.根据权利要求1-4中任一项所述的新闻类别检测方法，其特征在于，所述新闻类别粗检测模型，还用于：

对所述待检测新闻对应的标记位进行特征提取，得到标记位特征；

基于所述标记位特征以及所述第一类特征的融合结果，对所述待检测新闻的第一类类别进行检测。