殷復(fù)蓮 張曉宇 馮晴 王思佳

摘要：針對互聯(lián)網(wǎng)，尤其是微博平臺中大學(xué)生用戶的海量文本，應(yīng)用貝葉斯網(wǎng)絡(luò)分類器對微博評論進行分類。基于貝葉斯，通過先驗概率和似然度求出后驗概率的原理，針對具體事件選擇不同的訓(xùn)練集和調(diào)整特征詞庫，得到大學(xué)生對熱點事件關(guān)注相較于整體網(wǎng)民更加理性、冷靜的結(jié)論，可為研究大學(xué)生心理健康及大學(xué)生輿情提供參考。

關(guān)鍵詞：貝葉斯分類；文本分類；文本分詞；概率估測；大學(xué)生；熱點事件

DOIDOI：10.11907/rjdk.161251

中圖分類號：TP319文獻標識碼：A文章編號：1672-7800（2016）006-0112-03

參考文獻：

[1]中國互聯(lián)網(wǎng)絡(luò)信息中心.第36次中國互聯(lián)網(wǎng)絡(luò)發(fā)展狀況統(tǒng)計報告[R].北京：中國互聯(lián)網(wǎng)絡(luò)信息中心.2015.

[2]吳保來.基于互聯(lián)網(wǎng)的社交網(wǎng)絡(luò)研究[D].北京：中共中央黨校，2013.

[3]田野.基于微博平臺的事件趨勢分析及預(yù)測研究[D]武漢：武漢大學(xué)，2012.

[4]李榮陸.文本分類及其相關(guān)技術(shù)研究[D]上海：復(fù)旦大學(xué)，2005.

[5]許林杰.中文文本分詞研究[D]濟南：山東師范大學(xué)，2003.

[6]李原.中文文本分類中分詞和特征選擇方法研究[D]長春：吉林大學(xué)，2011.

[7]蔣良孝.樸素貝葉斯分類器及其改進算法研究[D]北京：中國地質(zhì)大學(xué)，2009.

[8]馮永，李華，鐘將等.基于自適應(yīng)中文分詞和近似SVM的文本分類算法[J].計算機科學(xué)，2010，37（1）：251-252.