基于因子分析朴素贝叶斯方法的新闻文本分类  

News Text Classification Based on Naive Bayesian Method of Factor Analysis

作　　者：冷婷 叶仁玉 李沅静 LENG Ting;YE Renyu;LI Yuanjing(School of Mathematics and Physics,Anqing Normal University,Anqing 246133,China)

机构地区：[1]安庆师范大学数理学院,安徽安庆246133

出　　处：《安庆师范大学学报（自然科学版）》2024年第1期47-51,共5页Journal of Anqing Normal University(Natural Science Edition)

基　　金：安徽高校自然科学研究重点项目(KJ2019A0557);安徽省研究生创新创业实践项目(2022cxcysj166);安庆师范大学校级教研质量工程项目(2019aqnujyzc007)和安庆师范大学院级研究生学术创新项目(2021yjsXSCX041)。

摘　　要：新闻文本分类是对网络新闻进行管理的有效途径。朴素贝叶斯方法为新闻文本分类的常用方法,在文本特征维度较高时,该方法的条件独立性假设难以成立,会导致分类效果欠佳。本文提出了因子分析朴素贝叶斯分类模型,并对复旦大学文本语料库中的新闻文本进行分类,同时将结果与朴素贝叶斯、多项Logistic回归模型和决策树方法进行比较。实验结果显示,因子分析朴素贝叶斯模型的分类准确率达84%,效果最优。News text classification is an effective way to manage network news.Naive Bayes is a common method for news text classification.When the feature dimension is large,the conditional independence assumption is difficult to be established,which will lead to poor classification effect.This paper proposes a naive Bayesian classification model of factor analysis,and classifies news texts in the text corpus of Fudan University.The classification results are compared with naive Bayes,multinomial logistic regression model and decision tree method.The experimental results show that the classification accuracy of naive Bayes classification model for factor analysis is 84%,and the effect is optimal.

关 键 词：朴素贝叶斯 因子分析 新闻文本分类 机器学习 

分 类 号：G210.7[文化科学—新闻学] TP391.1[自动化与计算机技术—计算机应用技术]