殷复莲 张晓宇 冯晴 王思佳

摘要：针对互联网，尤其是微博平台中大学生用户的海量文本，应用贝叶斯网络分类器对微博评论进行分类。基于贝叶斯，通过先验概率和似然度求出后验概率的原理，针对具体事件选择不同的训练集和调整特征词库，得到大学生对热点事件关注相较于整体网民更加理性、冷静的结论，可为研究大学生心理健康及大学生舆情提供参考。

关键词：贝叶斯分类；文本分类；文本分词；概率估测；大学生；热点事件

DOIDOI：10.11907/rjdk.161251

中图分类号：TP319文献标识码：A文章编号：1672-7800（2016）006-0112-03

参考文献：

[1]中国互联网络信息中心.第36次中国互联网络发展状况统计报告[R].北京：中国互联网络信息中心.2015.

[2]吴保来.基于互联网的社交网络研究[D].北京：中共中央党校，2013.

[3]田野.基于微博平台的事件趋势分析及预测研究[D]武汉：武汉大学，2012.

[4]李荣陆.文本分类及其相关技术研究[D]上海：复旦大学，2005.

[5]许林杰.中文文本分词研究[D]济南：山东师范大学，2003.

[6]李原.中文文本分类中分词和特征选择方法研究[D]长春：吉林大学，2011.

[7]蒋良孝.朴素贝叶斯分类器及其改进算法研究[D]北京：中国地质大学，2009.

[8]冯永，李华，钟将等.基于自适应中文分词和近似SVM的文本分类算法[J].计算机科学，2010，37（1）：251-252.