广播电视新闻学

摘要： 信息化时代,利用新媒体传播广播电视新闻内容,能拓展传播渠道优化传播内容,还能提升传播质量,吸引更多受众强化对广播电视新闻的认可和关注。通过强化对新媒体概念的认知,能探知新媒体对广播电视新闻的影响,并根据广播电视新闻学发展需要,提出一系列新媒体运营意见与建议,希望能以此推动传媒格局优化,促进传媒业积极发展。

摘要： 路金辉,1979年1月生,女,内蒙古乌兰浩特人,无党派人士,文学硕士,教授,硕士生导师,美国加州大学圣地亚哥分校访问学者。路金辉教授自2002年参加工作以来,先后为本科生讲授广播电视新闻学、媒介研究、新媒体编辑等课程,教学认真,作风严谨,深受学生好评,先后主持完成校级教改课题2项,指导本科生完成校级大学生创新创业项目2项,目前主持省级教改项目1项。

摘要： 近年来,新媒体与广播电视行业迅速发展,使得高校广播电视相关专业也日益勃兴.然而,如何有效开展教学工作、完善人才培养体系是高校稳步推进专业教学改革必须考量的问题.对此,以学生为主体、强调教学统一的成果导向教学理念或能为高校开展教学改革提供有益助力.本文从当前广播电视新闻学教学中存在的问题入手,基于成果导向这一教育理念,探究广播电视新闻学教学改革的可行路径,并提出相关改革建议,旨在为促进高校广播电视新闻学教学改革提供参考意见.

摘要： 广播电视编导专业是注重应用性和实践性的专业,其课程体系的构成中,实践教学部分占有不可忽视的比重,这一点从国内各大高校的课程体系结构中可见一斑.在产教融合的大背景下,广播电视编导专业的实践教学模式应当积极改革与创新,以适应应用型的人才培养目标,尤其在实践教学方面,更应该注重学生实践能力、创造能力的培养.本文针对产教融合视角下广播电视新闻学专业教学活动开展研究,提出相关策略,为教学活动提供指导.

摘要： 新时代,广播电视新闻学面临着巨大的挑战,需要广播电视新闻学顺序时代、顺应科技、顺应观众来促进自身的改革和发展。本文 概述了广播电视新闻学的含义,介绍了广播电视新闻学的主要功能,对广播电视新闻学的现状进行了分析,对广播电视新闻学进行了展望。

摘要： 一、学院概况广西大学新闻学教育始于1972年,是当时国内招收新闻学本科生的四所院校之一。1986年获得新闻学硕士学位授予权,当时全国只有5个新闻学硕士点。2008年3月13日从文化与传播学院单独成立新闻传播学院,2018年12月更名为新闻与传播学院。学院现设有新闻学、广播电视新闻学、广告学、播音与主持艺术4个本科专业;有新闻传播学一级学科硕士学位授予权,新闻学、传播学、传媒经济学、广告学4个二级学科;有新闻与传播硕士专业学位硕士点。

摘要： 在当代社会广播电视领域发展速度逐渐加快,发展规模逐渐变大,迫使该行业进行深入的改革。为了与该形式相协调,我国广播电视新闻学教育领域也应,进行深入改革与发展趋势相协调。针对广播电视新闻学的简介纲要及所需要求和所需领域人才进行出发,为广大,广播新闻爱好者提供契机,进一步了解和熟食广播电视新闻学的知识,更多喜欢该专业的学生,能找到最终的归宿。

摘要： 广播电视新闻学能够了解事件、提高判断分析能力,与日常生活有密切的联系,本文通过特点、功能,两个方面对广播电视新闻学分析进行了总结,并从改进分析模式、优化专业设置方式、调整发展走向,三个方面对广播电视新闻学国内外发展趋势分析进行了讨论,希望为关注这一话题的人们提供参考.

摘要： 广州大学新闻与传播学院的前身是成立于1993年的广州师范学院新闻系,2000年广州市合并组建广州大学后,经过院系调整,于2004年正式成立新闻与传播学院。学院是广东最早开办广播电视新闻学、播音与主持艺术学本科专业的院系,也是广东省自学考试广播电视新闻学专业、广播电视编号专业的主考单位。

摘要： 本发明公开了一种基于概率分布转换聚类的广播电视新闻拆条方法，包括步骤：S1，新闻节目视频数据化，提取特征数据；S2，计算每个特征数据的重要度占比，然后将每个特征数据乘以该特征的重要度占比作为该特征的新数据；S3，将每个带权重特征的数据归一化处理；S4，用概率分布转换聚类将归一化后特征数据中的入点类和非入点类聚类出来；S5，根据聚类得到的入点类和非入点类数据，切分新闻故事等；本发明解决了传统聚类算法在广播电视新闻拆条中存在误差较大，准确性较低的问题，对于提升聚类算法在电视新闻节目拆条应用中的准确率，具有非常重要的意义。

摘要： 本发明公开了一种广播电视新闻下利用图迁移的肤色分割及美化方法，包括步骤：S1，获取样本数据进行标注，然后准备数据集；S2，对准备的数据集进行特征提取，然后将提取的特征转换为图表示的形式，进行图内推理；S3，在不同数据集之间进行图间迁移，然后进行人体解析；S4，根据不同的人体肤色区域进行分区域的肤色美化等；本发明使得解析结果更加准确，可以使美化结果更加贴近自然，可以大大降低电视或直播场景中对于灯光的要求，节省人力物力等。

摘要： 本发明公开了自适应广播电视新闻关键词标准化方法，包括步骤：步骤A，基于基础关键词库标准化候选关键词，对不能被标准化的词则加入白名单，当白名单词增加到设定量后，对白名单内的词进行分析提取代表词返回给用户，用于扩充基础关键词库等；本发明作为利用智能化技术为广播电视新闻进行自动化内容标签标引的方法，在考虑用户实际业务需求的前提下，自适应地进行关键词的标准化和特色词库的扩展，可以更准确地组织和管理媒体资源，提高管理效率等。

摘要： 本发明公开了基于深度学习的广播电视新闻事件要素抽取方法，包括步骤：S1，标注待分析的广播电视新闻数据的摘要和要素信息，构建摘要数据集和要素数据集；S2，利用预训练模型构建摘要抽取模型和要素抽取模型，并利用构建的摘要数据集、要素数据集来训练摘要抽取模型和要素抽取模型；S3，利用步骤S2中训练好的摘要抽取模型和要素抽取模型来构建两阶段广播电视新闻要素自动抽取模型，利用所述模型对输入的广播电视新闻进行预测，获得结构化的要素抽取结果等；本发明能够对广播电视新闻内容进行高效的要素提取，为整合新闻资源、汇聚全媒体新闻内容、建立内容知识库、梳理新闻事件脉络等上层分析或应用服务提供智能技术支持等。

摘要： 本申请提供一种基于人工智能的广播电视新闻拆条方法及装置。所述方法包括：从待拆条新闻视频中抽取关键帧图像，并提取各个关键帧图像中的人物信息后，将每个关键帧图像中的人物信息与获取的拆条模板图像中的目标人物信息作比对，将人物信息符合目标人物信息的关键帧图像对应的时间点确定为拆条时间点，最终按照所有拆条时间点对待拆条新闻视频进行拆分，得到拆分后的多个初始视频段落。如此，本申请中利用人物信息的变化来反映新闻事件的变化，按照预设的拆条模板图像对待拆条新闻视频进行自动拆条，拆条效率较高。

摘要： 本发明提供一种多模态信息融合广播电视新闻关键词与摘要联合抽取方法，包括：A、收集广播电视新闻文本并获取关键词和摘要，构建广播电视新闻关键词与摘要联合抽取数据集；B、构建田字格字形图像库；C、构建并训练多模态信息融合广播电视新闻关键词与摘要联合抽取模型；D、利用训练好的构建多模态信息融合广播电视新闻关键词与摘要联合抽取模型构建三阶段广播电视新闻关键词与摘要联合抽取系统，以对输入的广播电视新闻文本进行关键词和摘要抽取。本发明将关键词和摘要作为联合任务将有助于信息共享与特征融合，并结合田字格字形图像能够提升关键词和摘要的抽取效果。

摘要： 本发明公开了一种基于概率分布转换聚类的广播电视新闻拆条方法，包括步骤：S1，新闻节目视频数据化，提取特征数据；S2，计算每个特征数据的重要度占比，然后将每个特征数据乘以该特征的重要度占比作为该特征的新数据；S3，将每个带权重特征的数据归一化处理；S4，用概率分布转换聚类将归一化后特征数据中的入点类和非入点类聚类出来；S5，根据聚类得到的入点类和非入点类数据，切分新闻故事等；本发明解决了传统聚类算法在广播电视新闻拆条中存在误差较大，准确性较低的问题，对于提升聚类算法在电视新闻节目拆条应用中的准确率，具有非常重要的意义。

摘要： 本发明公开了基于深度学习的广播电视新闻关键词自动抽取方法，包括步骤：S1，标注待分析的广播电视新闻数据的关键词信息，构建关键词数据集；S2，利用预训练模型构建关键词抽取模型，并利用步骤S1中所述关键词数据集训练所构建的关键词抽取模型；S3，利用步骤S2中训练好的关键词抽取模型，对输入的广播电视新闻进行预测，获得关键词抽取结果等；本发明能够对广播电视新闻内容进行高效的关键词提取，更准确地组织和管理媒体资源，提高管理效率，更好地为用户的检索与推荐发布服务提供技术支持等。

摘要： 本发明公开了基于深度学习的广播电视新闻事件要素抽取方法，包括步骤：S1，标注待分析的广播电视新闻数据的摘要和要素信息，构建摘要数据集和要素数据集；S2，利用预训练模型构建摘要抽取模型和要素抽取模型，并利用构建的摘要数据集、要素数据集来训练摘要抽取模型和要素抽取模型；S3，利用步骤S2中训练好的摘要抽取模型和要素抽取模型来构建两阶段广播电视新闻要素自动抽取模型，利用所述模型对输入的广播电视新闻进行预测，获得结构化的要素抽取结果等；本发明能够对广播电视新闻内容进行高效的要素提取，为整合新闻资源、汇聚全媒体新闻内容、建立内容知识库、梳理新闻事件脉络等上层分析或应用服务提供智能技术支持等。

摘要： 一种广播电视新闻制作用简易配音间。是为了解决由于出差住宿地点以及家里没有专业的配音间，经常会导致配音中掺杂外界的声音，影响配音效果的问题。本实用新型包括顶盖（1）、底座（4）和环形围挡，所述的环形围挡与所述的底座插接固定，所述的顶盖盖在所述的环形围挡上；所述的环形围挡的非相对面上分别开设有通气孔（10）。本实用新型用于新闻制作配音隔音。