提示学习驱动的新闻舆情风险识别方法研究

摘要：

从新闻报道中识别企业的风险可以快速定位企业所涉及的风险类别,从而帮助企业及时地做出应对措施.一般而言,新闻舆情风险识别是一种风险标签的多分类任务.以BERT为代表的深度学习方法采用预训练+微调的模式在文本分类任务当中表现突出.然而新闻舆情领域标记数据偏少,构成了小样本的机器学习问题.以提示学习为代表的新范式为小样本分类性能的提升提供了一种新的途径和手段,现有的研究表明该范式在很多任务上优于预训练+微调的方式.受现有研究工作的启发,提出了基于提示学习的新闻舆情风险识别方法,在BERT预训练模型基础之上根据提示学习的思想设计新闻舆情风险提示模板,通过MLM(masked language model)模型训练之后,将预测出来的标签通过答案工程映射到已有的风险标签.实验结果表明在新闻舆情数据集的不同数量小样本上,提示学习的训练方法均优于微调的训练方法.

关键词：风险标签、多分类、预训练模型、提示学习

所属期刊栏目：60

分类号：TP391.1(计算技术、计算机技术)

资助基金：湖北省重点研发计划项目2021BAA030

在线出版日期：2024-01-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：182-188