基于机器学习LightGBM和异质集成学习方法的新闻分类

• 作者: 李安
• 来源期刊: 电子制作
• 关键词: 娱乐新闻 朴素贝叶斯 逻辑回归 集成学习 lightGBM 异质集成学习 分类
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 软件开发
• 页码范围: 28-30
• 页数: 3页
• 字数: 3093字
• 语种: 中文

摘要

娱乐新闻是腾讯新闻重要组成部分,根据娱乐文章的文本信息将文章归类是娱乐新闻处理工作中很重要的一部分.人工智能中的机器学习方法在经济生活中有着十分广泛的应用.根据娱乐新闻分类这一问题实例,分别采用了传统的机器学习方法,包括朴素贝叶斯,逻辑回归,基于集成学习的方法lightGBM,对这一分类问题进行探索.最后采用异质集成学习方法对最终结果进行集成.不同的模型在不同的问题中具有不同的效果,本文依据娱乐新闻分类这一具体问题,采用了上述几种算法模型进行预测,综合了不同模型的预测情况得出最后的预测结果.对算法模型进行了原理分析,比较了不同的分类模型解决该问题的效果,横向对比了不同模型的优缺点,并对造成结果差异的原因进行了总结.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李安		1	2	1.0	1.0