自然语言处理小项目-新闻分类

1. 读入数据
2. 使用结巴分词器进行分词
3. 使用停词表进行过滤（例如哈工大停词表）
4. 将过滤后的单词进行词频统计，生成词云（wordcloud）
5. 可以根据jieba.analyse包使用对原始数据进行处理，提取出每条新闻的关键词。
6. 使用gensim自然语言处理包对过滤后的数据进行处理，得到LDA主题模型（类似Kmeans自己指定主题数，返回主题和当前主题的关键字以及关键词的重要程度，例如：0.006*"戏" + 0.006*"导演" + 0.005*"该剧" + 0.004*"中" + 0.004*"演员"）。

最后基于贝叶斯模型进行新闻分类，tip：

1. 对分类结果进行映射，映射成1，2，3等。
2. 通过CountVectorizer等对单词进行转化词频向量。