摘要：随着互联网新兴技术的蓬勃发展,报社稿件冗杂,人工分类成本高、易出错,无法高效地将稿件进行准确分类。鉴于此,采用了机器学习中较为经典的朴素贝叶斯分类算法,设计出了基于该算法的新闻文本分类系统。此系统主要包括新闻文本预处理、特征概率计算、朴素贝叶斯分类算法的分析与实现以及测试样本数据准确性这几个过程。通过实验证明,用部分朴素贝叶斯算法计算得出的概率值大的特征词与财经类之间的关联性越强,其分类的结果就更加准确,说明所采用的特征提取和概率计算的方法是有效的。本系统采用腾讯新闻为样本的新闻数据来完成系统新闻处理和测试,可用于报社新闻分类,提高分类的准确性,具有更好的分类效果。

摘要：2008年1月中旬，“中国网站排名”网（***）显示了“新闻分类前十名”网站，腾讯新闻、新华网、新浪新闻、网易新闻、凤凰网、搜狐新闻、人民网、联合早报网、中国经济网、百度新闻等十家网站名列其中。这表明，相对于国内外许多同类的中文网站，包括商业新闻网站与传统新闻媒体网站，这十家新闻网站已处于流量垄断地位。

摘要：2008年1月中旬“中国网站排名”网显示了“新闻分类前十名”网站，腾讯新闻、新华网、新浪新闻、网易新闻、凤凰网、搜狐新闻、人民网、联合早报网、中国经济网、百度新闻等十家网站名列其中。相对国内外许多同类的中文网站，包括商业网站与新闻网站，