论文部分内容阅读
随着这些年“互联网+”模式的成熟和信息化技术的飞速发展,党中央和各级地方政府将使用信息化手段进行精神文明建设工作的过程纳入到工作要求中,精神文明建设的主要纲领是开展社会管理创新工作,具体表现为政务宣传工作方面。如何科学合理的借助信息化方式进行精神文明建设中关于加强社会管理创新工作、改进政务宣传工作内容成为热点问题。因此,在保证政务宣传工作满足阶段性更新所带来的时间跨度影响下,关于时政热点的分析依然能保持其科学性时效性的特点成为解决问题的关键点。本文将从结合机器学习技术的角度出发,通过数据挖掘,文本分类,神经网络等算法对政务宣传工作中的时政新闻文本进行分析,为社会管理创新工作提供科学有效的分析方式。本文以“学习强国”新闻平台上的新闻文本为数据源,对2018年7月至2019年12月的5058篇新闻文本分析后进行分类处理。将已知的10个分类类别作为分类的目标,文章通过文本处理技术,分类模型的构建,结合神经网络算法完成对时政新闻热点分析工作的优化,通过可视化方法对比展示优化前后的区别,做到热点周期性自动更新。本文以此为背景,完成了以下几个方面的工作:(1)通过网络爬虫技术对党媒新闻平台“学习强国”网站的新闻文本进行爬取。在此基础上构建新闻文本语料库,为后续的新闻文本的分类工作打下基础。(2)对获取的新闻文本进行预处理,采用了基于融合TF-IDF和LDA的文本处理方法,并将其与传统的文本处理算法进行对比,该方法在文本处理方面具有很好的表现。(3)将完成预处理的文本进行按类别分类的工作,比较了KNN算法、朴素贝叶斯算法、决策树算法,选择改进的朴素贝叶斯算法作为文本分类处理的方法,该改进方法降低了常用词和生僻词在词频上的差异性,解决了在时政新闻文本分类过程中特征权重一致带来的问题。并将其与传统的文本分类方法进行对比,该方法表现出较好的分类效果。(4)将神经网络算法模型应用到时政热点更新的任务中,利用BP神经网络算法对新闻文本进行分析,从而完成热点更新的工作,实验证明该方法在时政新闻热点分析后进行周期自动更新的工作上有较好的表现。