文献类型：期刊文章

作　　者：许丽[1] 焦博[1] 赵章瑞[2]

机构地区：[1]华北水利水电大学物理与电子学院,河南450046 [2]郑州市金水区纬五路第一小学,河南450003

出　　处：《网络安全技术与应用》

基　　金：国家自然科学基金项目(No.51609086,U1804148);河南省科技攻关计划(No.182102210059)。

年　　份：2021

期　　号：11

起止页码：31-33

语　　种：中文

收录情况：普通刊

摘　　要：实时关注网络上的热点新闻信息可以提高党代表提案内容的时效性和代表性。对于网络热点新闻文本分类问题,基于朴素贝叶斯算法,选择词频-逆文档频率(TF-IDF,term frequency-inverse document frequency)为特征计算关键词的特征权重,通过对朴素贝叶斯算法进行加权处理,实现对新闻文本数据进行分类。分别使用两个数据集进行三次实验,实验结果表明,该算法可以达到较高分类精度,对新闻文本分类效果较好。

关 键 词：文本分类 特征提取 TF-IDF算法  加权朴素贝叶斯

分 类 号：G210.7[新闻传播学类] TP391.1]