基于头条新闻数据的文本分类系统实战

       新闻数据本质上来说也属于文本数据，新闻分类本质也就归成了文本分类系统，本文主要是自己业余时间里面的一个小实践，主要是完成从数据采集、存储解析、文本向量化处理、分类模型构建几个步骤，方法和套路都是比较常规的，整体看效果还是不错的。

      这里我们初步选定今日头条来作为我们的数据源站点，毕竟头条的新闻类型很多，数据更新很快，尤其是如今火热的自媒体行业的兴起，一大批创作者涌入头条里面，综合多种原因，这里我们就选定今日头条作为我们的目标网站了。

     我们先来简单看张我们采集数据的网站首页截图，如下所示：

       左边红框里面我圈出来的就是头条提供的多种不同类型的新闻数据，这里我们首先的工作就是选取几个不同的类别数据进行采集。

      我们以【搞笑】为例，来分析数据采集的流程，点击F12进入开发者模式。然后选中该类别后，结果如下所示：