在经济迅速增长和文化繁荣发展的带领下,传媒业也出现了欣欣向荣的发展趋势,传媒行业的健康发展与创新在社会发展中具有重要的作用及地位。但在传媒文化繁荣发展的同时存在一些问题,如最常见的标题党现象。标题党是当前互联网背景下典型的新闻传播乱象,在消费主义、经济主义以及自媒体的利益驱动之下,标题党现象迅速发展。新闻撰写者通过哗众取宠、极具噱头的新闻标题来吸引读者的注意,而这种极具夸张的标题脱离了新闻原本的内容,同时对读者造成了不良影响。针对已存在的标题党问题,本文基于自然语言处理技术,设计并实现了标题党新闻审核系统。通过制定完善的规则以及搭建精准的自然语言处理模型来全面审核标题党新闻。标题党审核系统将从标题以及标题和新闻内容的关联度两部分来进行审核。在需求阶段,详细整理了标题党的典型特征及审核规则,根据规则来制定系统的功能目标。系统将从标题及内容多方面进行审核,同时制定完善的处理规则,用以管理新闻及作者来减少标题党新闻的发布,提升平台的新闻内容质量。本系统将通过Bert模型对标题进行文本分类,审核标题是否具有诱导性、不真实性,从而识别出基于标题文本的标题党新闻。通过使用HAN模型对新闻文章生成文档向量,并与标题向量进行相似度计算,从而判别新闻是否为题文不符标题党。整个系统对新发布的新闻进行实时审核,通过Apache Storm进行实时数据流处理,并将审核结果保存至Mango DB数据库中。后台管理人员通过前端网站访问系统并进行运营管理。截至目前,标题党审核系统在实际应用中表现良好,可以及时审核出标题党新闻,为新闻内容质量提升做出了巨大的贡献。