上周我用jQuery开发了一个简单的新闻阅读器，解析JSONP并将生成的列表插入到网页的流程中。今天早上有人问我这个问题：“有没有一种智能算法能够‘理解’新闻是坏的、好的还是中性的？”我的回答是……“嗯……我不知道。”……这就是为什么我要问这个问题：有没有实现这种功能的方法？我唯一能想到的是检查标题是否包含“killed（被杀）、bomb（炸弹）、assassin（刺客）、flood（洪水）、earthquake（地震）、tsunami（海啸）……”等类似的词……还有其他想法吗？你知道是否已经有类似的解决方案被实现了吗？谢谢你的帮助！

回答：

你需要一个分类算法。有许多不同的选择，例如参见这里。一个众所周知的，并且容易实现的起点是朴素贝叶斯。

在朴素贝叶斯中，你会查看已经判断为坏的新闻项目中出现的词频，以及已经判断为好的新闻项目中出现的那些词的频率。这些给你提供了条件概率P(word|good)和P(word|bad)的估计，即在好消息中看到某个词的概率，以及在坏消息中看到某个词的概率。

当你看到一个新的新闻项目时，你会找出新闻项目中包含和不包含的词，并使用贝叶斯定理给你P(good|words)和P(bad|words)，基本上是通过将你上面计算的词出现或不出现的概率相乘，再加上你预期的好消息或坏消息的频率。如果P(good|words) > P(bad|words)，那么它就是好消息。（如果有兴趣，我之前在一个问题中放了一些数学公式；然而，网络上和书籍中有更好的资源。）

朴素贝叶斯是一种众所周知的技术，也用于垃圾邮件过滤。它也很有趣，因为它没有解决的问题。特别是，它不考虑词的顺序或上下文。所以，“本周没有飓风”可能是好消息，尽管包含了“飓风”这个词。我猜想，这种考虑在分析新闻文章时可能比分析推文时更重要。无论如何，这是一个有趣的领域，已经有很多工作已经完成。