黄 敏，闫思贤

(1.郑州轻工业大学 软件学院，郑州 450002； 2.郑州轻工业大学 计算机与通信工程学院，郑州 450002)

在互联网时代，电视或者网络平台增长速度较为迅速，在这些平台中，可以获取到的新闻文本数据量巨大[1].在国内外，每天发生的事件不计其数，每个人关注热点又各有差异，因此在平台中每天都在更新不同的新闻数据，引起新闻数据暴涨，使得新闻数据逐渐繁杂且冗余.若要对大批量的新闻文本数据逐条分类，无疑是复杂且低效的工作[2].因此，针对新闻文本的特征词提取算法，在学术界逐渐崭露头角.例如：蔡中祥等[3]提出了一种融合指针网络的自动文本摘要模型，实现新闻数据的标题的自动生成；Hakak Saqib等[4]提出一种基于有效特征提取的集成机器学习方法，实现对假新闻的分类；Patidar等[5]采用TF-IDF和相似度权重的方法实现混合新闻的推荐;Zhuo Zhuo等[6]在Spark上采用TF-IDF算法对新闻的文本主题进行聚类优化；等.综上可知，针对新闻文本分类的研究吸引较多学者关注，并且新闻文本数据存在量较大，获取时较为简便[7]，为文本分类研究提供非常大的便利.但是，在基于传统TF-IDF文本分类研究中，针对关键字的提取，只能简单地将词频和逆文档频率挂钩，忽略关键词的其他特征，进而可能会使关键词的提取不精确[8-10].此外，在分类过程中常遇到判别条件缺乏的情况，因此将导致文本分类准确率降低[11-13].基于上述分析，针对文本关键字获取不精确、判别条件缺乏等问题，本文提……