1. 研究目的与意义
在智能设备的高度普及和互联网技术的高速发展的同时，信息爆炸己经成为了一个越来越棘手的问题，各类文本信息呈爆炸式增长。
新闻文本作为一种重要的数据承载形式有着重要的地位，如何在巨大的信息源中准确、快速的获取到有价值的信息成为人们的迫切需要，这也是工业界和学术界一直关注的热点问题。
新闻文本分类是文本分类研究的一个细分领域，是信息检索、推荐系统等应用领域中必不可少的部分，分类的目标是为每一个新闻文本分配对应标签，标签代表了该新闻期望的分类类型。
2. 课题关键问题和重难点
关键问题：新闻集的分类。
对于获取的未分类新闻集的预处理分类。
新闻具体分类方法：（1）首先确定新闻分类的特征属性（例如军事类、娱乐类、教育类、购物类等新闻）。
3. 国内外研究现状（文献综述）
早在上世纪六十年代，国外就开始对文本分类进行研究，h.p.luhn 率先在这个领域进行研究，提出了一种基于词频统计的文本分类方法。
随后 maron 等人也开始研究这个领域，并发表了第一篇关于分类算法的论文，紧接着 k.spark，g.salton 以及 k.s.jones 等人也在这一研究领域中取得很多成效。
目前，国外的文本分类研究已经进入实用性的阶段，在信息资源组织管理中得到广泛的应用。
4. 研究方案
设计方案：基于机器学习的新闻分类系统主要分为新闻展示模块、新闻详情模块、定时调度模块和实时分类模块。
其中需要的基础资料：新闻文本分类的相关技术，包括文本的表示方法、中文分词、文本特征提取方法以及常用分类器算法等理论知识。
用于文本分类的卷积神经网络(text-cnn)与lightgbm算法或贝叶斯算法，对系统中所需要的新闻集、新闻文本预处理、分类模型的搭建和实现可能都有所涉及。
5. 工作计划
第1周：确定选题，完成申请表；第2周：查阅资料，熟悉任务书要求；第3周：查阅资料，准备撰写开题报告；第4周：搜集、查阅相关文献资料，确定总体研究计划；第5周：搭建研发环境，准备实验数据；第6周：实验设计方案； 第7周：论证设计方案；完成开题报告初稿；第8周：完善开题报告；完成开题；第9周：系统开发:完成功能项1；获取新闻数据集功能的实现第10周：系统开发:完成功能项2；用户界面的初步设计、检查与完善英文翻译；第11周：系统开发:完成功能项3；实时分类算法的初步设计第12周：系统开发:完成功能项4；实时分类算法的实现、完成中期检查；第13周：结合导师意见，完善系统，测试系统成果；第14周：参考研究过程资料，撰写论文，完成论文初稿；完成软硬件验收；第15周：对论文进行修饰和完善，完成论文二稿；完成论文查重；第16周：完成论文定稿，制作PPT，完成答辩。
