机器学习下的新冠疫情新闻文本分类

作者：李海艳; 王文东^*; 江丛君

来源：延安大学学报(自然科学版), 2023, 42(01): 79-82.

DOI：10.13876/J.cnki.ydnse.220054

• 新闻文本分类
• 机器学习
• TF-IDF
• 支持向量机

针对新冠疫情新闻繁杂及信息类别不明等问题，采取新冠疫情新闻语料作为数据集，分别利用TF-IDF与Word2vec提取特征值，与支持向量机、朴素贝叶斯等基于机器学习的模型结合对文本进行分类，并与TextCNN及BiLSTM 2种深度学习模型的分类实验结果进行对比分析。实验结果表明：同等条件下，基于新冠疫情主题新闻数据集，SVM+TF-IDF模型在几种分类器中效果最好，精确度达到84%,F1值达到83%。