Python文本分析实战：词袋模型

构建一个包含 6 篇简短新闻文章的小型数据集

文章内容	所属类别
“足球比赛精彩，球员们积极奔跑，现场球迷热情高涨。”	体育
“新歌发布，歌手在舞台上尽情演唱，歌迷欢呼不断。”	娱乐
“新款手机发布，配置超强，功能十分先进。”	科技
“篮球比赛激烈，双方比分交替上升，观众呐喊助威。”	体育
“电影上映，演员演技精湛，剧情扣人心弦。”	娱乐
“电脑软件更新，带来了更多便捷功能。”	科技

代码：

from sklearn.feature_extraction.text import CountVectorizer
from sklearn.naive_bayes import MultinomialNB
from sklearn.metrics import accuracy_score
import numpy as np

# 定义新闻文章内容列表
news_articles = [
    "足球比赛精彩，球员们积极奔跑，现场球迷热情高涨。",
    "新歌发布，歌手在舞台上尽情演唱，歌迷欢呼不断。",
    "新款手机发布，配置超强，功能十分先进。",
    "篮球比赛激烈，双方比分交替上升，观众呐喊助威。",
    "电影上映，演员演技精湛，剧情扣人心弦。",
    "电脑软件更新，带来了更多便捷功能。"
]

# 定义对应的类别标签
categories = np.array(["体育"