需求描述

核心需求
對(duì)指定的新聞文章的內(nèi)容進(jìn)行智能判斷，提取出文章描述關(guān)鍵字和態(tài)度。新聞文章來源爬蟲爬取的各新聞網(wǎng)站、微信公眾號(hào)的。關(guān)鍵字是某單位主體的名稱、簡(jiǎn)稱，高校居多。如北京大學(xué)、北大，清華大學(xué)、清華。
文章的態(tài)度即是文本的情感態(tài)度，分為以下三種情況：
正面：文章對(duì)單位主體的認(rèn)可贊美的。
中立：文章對(duì)單位主體進(jìn)行客觀真實(shí)的介紹，不包含個(gè)人立場(chǎng)。
負(fù)面：文章對(duì)單位主體不認(rèn)可，進(jìn)行批評(píng)指責(zé)甚至是惡意抹黑。
判斷標(biāo)準(zhǔn)要能接近人工識(shí)別的標(biāo)準(zhǔn)，至少是讓人看上去是相關(guān)的。
主要問題
在關(guān)鍵字提取時(shí)，像這些都是正文含有北京大學(xué)，情緒偏負(fù)面的。但是主體內(nèi)容和北京大學(xué)無關(guān)的內(nèi)容，是不需要的。要想辦法過濾掉。這樣用戶一眼看過去相關(guān)度就高了。也就容易接受使用了。解決輿情系統(tǒng)誤報(bào)問題，最終讓輿情系統(tǒng)的檢測(cè)更準(zhǔn)確。

舉例來說：
正文里面含有北京大學(xué)，但是整體文章和“北京大學(xué)”無關(guān)。造成誤報(bào)。根本需求就是提高相關(guān)性，降低誤報(bào)。

示例樣本
根據(jù)識(shí)別是否正確，分為正樣本（可以正確判斷的樣本）和負(fù)樣本（會(huì)識(shí)別錯(cuò)誤的樣本）。
正樣本
以下樣本能夠正確識(shí)別含有北京大學(xué)、或者北大的匹配的樣本。
https://dy.163.com/article/HP3596OB0553THOL.html
https://3g.163.com/dy/article/HH4N4H660536LOE0.html
https://dy.163.com/article/HNE5U0TC0552UVEN.html
https://www.cn-healthcare.com/article/20200619/content-538308.html
負(fù)樣本
負(fù)樣本主要有三類
第一類的可能是分詞造成的。比如下面的含有“北大”，但是不是我們需要的北京大學(xué)的“北大”。
https://news.sina.com.cn/s/2022-12-19/doc-imxxeieh3862464.shtml
http://www.zhuzhouwang.com/2020/1229/394854.shtml
https://www.sznews.com/news/content/2022-12/19/content_25525650.htm

第二類，含有“北京大學(xué)”，但是這個(gè)新聞和北京大學(xué)沒關(guān)系