基于Na(i)ve Bayes和TF-IDF的真假新闻分类
信息爆炸的时代,大量的新闻每天充斥的我们的生活,海量的新闻总是能够引导着人们对社会中发生的事件做出自己的判断.假新闻的错误引导将会对社会起到消极的作用,于是该文提出对真假新闻进行分类的方法.该文结合TF-IDF算法和朴素贝叶斯算法,对新闻中的词条进行加权,之后重新定义朴素贝叶斯分类器,并对新闻进行分类.最后,我们进行了多组实验,并取得了多组实验的平均值作为本次实验的最终结论.
真假新闻、TF-IDF、朴素贝叶斯、分类
14
TP181(自动化基础理论)
2018-04-11(万方平台首次上网日期,不代表论文的发表时间)
共3页
184-186