[发明专利]一种基于深度学习的新闻媒体数据智能结构化方法及装置

说明书

本发明公开了一种基于深度学习的新闻媒体数据智能结构化方法及装置。其中，该方法包括：获取第一目标数据；将所述第一目标数据进行预处理，得到第二目标数据；将所述第二目标数据输入至结构化模型中，生成结构数据；将所述结构数据进行展示。本发明解决了现有技术中的新闻媒体数据结构化方法仅利用固定的结构化矩阵规则对采集到的新闻媒体数据进行结构化处理，无法根据结构化历史数据进行结构化规则的完善和变化，导致在新闻媒体数据结构化过程中，操作的效率和精准度都下降的技术问题。

技术领域

本发明涉及数据结构化领域，具体而言，涉及一种基于深度学习的新闻媒体数据智能结构化方法及装置。

背景技术

随着智能化的不断发展，在当今的社会中人们利用智能化手段增加了学习、工作、生活的质量和效率，通过智能化手段可以给人们带来不同于传统处理方法的技术效果。

目前，在新闻媒体数据的结构化过程中，通常利用结构化矩阵规则对采集到的新闻媒体数据进行结构化建设，并将数据结构化结果进行输出展示，但是传统的新闻媒体数据结构化方法仅利用固定的结构化矩阵规则对采集到的新闻媒体数据进行结构化处理，无法根据结构化历史数据进行结构化规则的完善和变化，导致在新闻媒体数据结构化过程中，操作的效率和精准度都下降。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种基于深度学习的新闻媒体数据智能结构化方法及装置，以至少解决现有技术中的新闻媒体数据结构化方法仅利用固定的结构化矩阵规则对采集到的新闻媒体数据进行结构化处理，无法根据结构化历史数据进行结构化规则的完善和变化，导致在新闻媒体数据结构化过程中，操作的效率和精准度都下降的技术问题。

根据本发明实施例的一个方面，提供了一种基于深度学习的新闻媒体数据智能结构化方法，包括：获取第一目标数据；将所述第一目标数据进行预处理，得到第二目标数据；将所述第二目标数据输入至结构化模型中，生成结构数据；将所述结构数据进行展示。

可选的，所述将所述第一目标数据进行预处理，得到第二目标数据包括：将所述第一目标数据进行拆分，得到第一拆分数据；将所述第一拆分数据进行预处理，得到所述第二目标数据，其中，所述预处理包括：冗余处理、优化处理。

可选的，在所述将所述第二目标数据输入至结构化模型中，生成结构数据之前，所述方法还包括：根据所述第二目标数据和所述结构数据训练所述结构化模型。

可选的，在所述将所述结构数据进行展示之后，所述方法还包括：将所述结构数据上传至云端服务器进行存储。

根据本发明实施例的另一方面，还提供了一种基于深度学习的新闻媒体数据智能结构化装置，包括：获取模块，用于获取第一目标数据；预处理模块，用于将所述第一目标数据进行预处理，得到第二目标数据；结构化模块，用于将所述第二目标数据输入至结构化模型中，生成结构数据；展示模块，用于将所述结构数据进行展示。

可选的，所述预处理模块包括：拆分单元，用于将所述第一目标数据进行拆分，得到第一拆分数据；处理单元，用于将所述第一拆分数据进行预处理，得到所述第二目标数据，其中，所述预处理包括：冗余处理、优化处理。

可选的，所述装置还包括：训练模块，用于根据所述第二目标数据和所述结构数据训练所述结构化模型。

可选的，所述装置还包括：存储模块，用于将所述结构数据上传至云端服务器进行存储。

根据本发明实施例的另一方面，还提供了一种非易失性存储介质，所述非易失性存储介质包括存储的程序，其中，所述程序运行时控制非易失性存储介质所在的设备执行一种基于深度学习的新闻媒体数据智能结构化方法。