[發明專利]一種基于深度學習的新聞媒體數據智能結構化方法及裝置

在審

• 申請號: 202110695433.3
• 申請日: 2021-06-23
• 公開（公告）號: CN113312422A
• 公開（公告）日: 2021-08-27
• 發明（設計）人: 高強
• 申請（專利權）人: 北京鼎泰智源科技有限公司
• 主分類號: G06F16/25
• 分類號: G06F16/25;G06F16/26
• 代理公司: 北京君莫知識產權代理事務所(普通合伙) 11715
• 代理人: 王凝

本發明公開了一種基于深度學習的新聞媒體數據智能結構化方法及裝置。其中，該方法包括：獲取第一目標數據；將所述第一目標數據進行預處理，得到第二目標數據；將所述第二目標數據輸入至結構化模型中，生成結構數據；將所述結構數據進行展示。本發明解決了現有技術中的新聞媒體數據結構化方法僅利用固定的結構化矩陣規則對采集到的新聞媒體數據進行結構化處理，無法根據結構化歷史數據進行結構化規則的完善和變化，導致在新聞媒體數據結構化過程中，操作的效率和精準度都下降的技術問題。

技術領域

本發明涉及數據結構化領域，具體而言，涉及一種基于深度學習的新聞媒體數據智能結構化方法及裝置。

背景技術

隨著智能化的不斷發展，在當今的社會中人們利用智能化手段增加了學習、工作、生活的質量和效率，通過智能化手段可以給人們帶來不同于傳統處理方法的技術效果。

目前，在新聞媒體數據的結構化過程中，通常利用結構化矩陣規則對采集到的新聞媒體數據進行結構化建設，并將數據結構化結果進行輸出展示，但是傳統的新聞媒體數據結構化方法僅利用固定的結構化矩陣規則對采集到的新聞媒體數據進行結構化處理，無法根據結構化歷史數據進行結構化規則的完善和變化，導致在新聞媒體數據結構化過程中，操作的效率和精準度都下降。

針對上述的問題，目前尚未提出有效的解決方案。

發明內容

本發明實施例提供了一種基于深度學習的新聞媒體數據智能結構化方法及裝置，以至少解決現有技術中的新聞媒體數據結構化方法僅利用固定的結構化矩陣規則對采集到的新聞媒體數據進行結構化處理，無法根據結構化歷史數據進行結構化規則的完善和變化，導致在新聞媒體數據結構化過程中，操作的效率和精準度都下降的技術問題。

根據本發明實施例的一個方面，提供了一種基于深度學習的新聞媒體數據智能結構化方法，包括：獲取第一目標數據；將所述第一目標數據進行預處理，得到第二目標數據；將所述第二目標數據輸入至結構化模型中，生成結構數據；將所述結構數據進行展示。

可選的，所述將所述第一目標數據進行預處理，得到第二目標數據包括：將所述第一目標數據進行拆分，得到第一拆分數據；將所述第一拆分數據進行預處理，得到所述第二目標數據，其中，所述預處理包括：冗余處理、優化處理。

可選的，在所述將所述第二目標數據輸入至結構化模型中，生成結構數據之前，所述方法還包括：根據所述第二目標數據和所述結構數據訓練所述結構化模型。

可選的，在所述將所述結構數據進行展示之后，所述方法還包括：將所述結構數據上傳至云端服務器進行存儲。

根據本發明實施例的另一方面，還提供了一種基于深度學習的新聞媒體數據智能結構化裝置，包括：獲取模塊，用于獲取第一目標數據；預處理模塊，用于將所述第一目標數據進行預處理，得到第二目標數據；結構化模塊，用于將所述第二目標數據輸入至結構化模型中，生成結構數據；展示模塊，用于將所述結構數據進行展示。

可選的，所述預處理模塊包括：拆分單元，用于將所述第一目標數據進行拆分，得到第一拆分數據；處理單元，用于將所述第一拆分數據進行預處理，得到所述第二目標數據，其中，所述預處理包括：冗余處理、優化處理。

可選的，所述裝置還包括：訓練模塊，用于根據所述第二目標數據和所述結構數據訓練所述結構化模型。

可選的，所述裝置還包括：存儲模塊，用于將所述結構數據上傳至云端服務器進行存儲。

根據本發明實施例的另一方面，還提供了一種非易失性存儲介質，所述非易失性存儲介質包括存儲的程序，其中，所述程序運行時控制非易失性存儲介質所在的設備執行一種基于深度學習的新聞媒體數據智能結構化方法。