技術(shù)特征：

1.一種微博特征項(xiàng)提取方法，其特征在于，包括:

首先獲取的總聞News＝{D₁,D₂,...,D_i}，D_i表示為所有新聞中的第i條新聞,第i條新聞中的所用詞語即可以表示Di＝{word₁,word₂,...,word_n}(i∈j+z)；；

然后獲取其中一類中的所有不同詞AW_m＝{word₁word₂,...,word_m}，按上述公式得到每個(gè)文本中每個(gè)詞的詞頻

再計(jì)算不屬于那一類的所有詞的詞頻

接著用公式來計(jì)算一個(gè)類中所有詞的CHI值；

用公式來計(jì)算每個(gè)詞在每篇文本中所占權(quán)重即可得到每個(gè)詞的權(quán)重和其中，t_ij是代表了第i個(gè)文本中的第j個(gè)特征項(xiàng)，tf_ij代表了特征項(xiàng)j出現(xiàn)在文本i的頻率，W_ij代表了特征項(xiàng)t_ij的權(quán)重，log(N/n_ij+0.01)為逆文檔頻率，N是代表文檔的總數(shù)，n_ij是代表包含了所有t_ij的文本數(shù)量；

再結(jié)合所述CHI值，根據(jù)公式重新給一個(gè)類的所有詞賦權(quán)；

最后通過公式SWW_m＝{WW₁,WW₂,...,WW_m}計(jì)算一個(gè)類中每個(gè)詞語的權(quán)重。

2.根據(jù)權(quán)利要求1所述的微博特征項(xiàng)提取方法，其特征在于，

步驟所述用公式來計(jì)算每個(gè)詞在每篇文本中所占權(quán)重包括：

ε為文本i中包含的特征項(xiàng)t_ij和與特征項(xiàng)t_ij相似度大于γ的特征項(xiàng)的個(gè)數(shù)之和與特征項(xiàng)t_ij的個(gè)數(shù)的商，m_ij表示包含特征項(xiàng)t_ij或與特征項(xiàng)t_ij的相似度大于γ的特征項(xiàng)的文本個(gè)數(shù)，γ是系統(tǒng)設(shè)定值。

3.根據(jù)權(quán)利要求1所述的微博特征項(xiàng)提取方法，其特征在于，

步驟所述通過公式SWW_m＝{WW₁,WW₂,...,WW_m}計(jì)算一個(gè)類中每個(gè)詞語的權(quán)重之后還包括輸出微博的分類結(jié)果。

4.根據(jù)權(quán)利要求1所述的微博特征項(xiàng)提取方法，其特征在于，

所述微博的開放平臺(tái)為API；

所述總聞使用網(wǎng)絡(luò)爬蟲技術(shù)獲取2015年3月—2015年4月的微博。

5.一種應(yīng)用于權(quán)利要求1至4中任一項(xiàng)所述的微博特征項(xiàng)提取方法的改進(jìn)TF-IDF歸一化方法，其特征在于，包括：

根據(jù)公式為特征項(xiàng)賦權(quán)。

來計(jì)算每個(gè)詞在每篇文本中所占權(quán)重即可得到每個(gè)詞的權(quán)重和其中，t_ij是代表了第i個(gè)文本中的第j個(gè)特征項(xiàng)，tf_ij代表了特征項(xiàng)j出現(xiàn)在文本i的頻率，W_ij代表了特征項(xiàng)t_ij的權(quán)重，log(N/n_ij+0.01)為逆文檔頻率，N是代表文檔的總數(shù)，n_ij是代表包含了所有t_ij的文本數(shù)量；

ε為文本i中包含的特征項(xiàng)t_ij和與特征項(xiàng)t_ij相似度大于γ的特征項(xiàng)的個(gè)數(shù)之和與特征項(xiàng)t_ij的個(gè)數(shù)的商，m_ij表示包含特征項(xiàng)t_ij或與特征項(xiàng)t_ij的相似度大于γ的特征項(xiàng)的文本個(gè)數(shù)，γ是系統(tǒng)設(shè)定值。