课题主要实现了以RSS阅读器为平台的新闻分类功能。首先经过RSS阅读器对新闻文本进行抓取，对已经抓取好的文本进行预处理，提取它的特征属性。用特征属性与已经训练好的朴素贝叶斯模型里各种类别的属性进行比较匹配。最后，利用朴素贝叶斯分类功能对RSS阅读里的新闻进行分类。RSS阅读器朴素朴素贝叶斯分类具有较好的召回率和准确率。新闻文本可以通过RSS阅读器扩展的朴素贝叶斯分类功能进行较为准确地分类。不仅支持线上阅读，还可以线下阅读，即使没有网络也可以随心阅读，有订阅功能，在众多的分类中，随心添加自己喜欢的新闻类别，更快速地跟进实时新闻，得到自己想看到的内容，一次更贴近我们的生活需求。

对于各式各样的海量新闻信息，设计了基于RSS阅读器的文本分类。本课题主要描写RSS阅读器的实现和朴素贝叶斯分类器设计与实现。

1.实现RSS阅读器网络抓取新闻的功能。

2.对各种分类算法进行可行性分析，确定朴素贝叶斯算法。

3.对目标文本进行预处理，对目标文本进行分词，停词的处理，根据处理效果找出其中对应的属性。

4.实现朴素贝叶斯分类模型，实现文本分类。对已经设计好模型做数值实验，计算分类的准确率。

5.实现订阅功能，订阅自己喜欢的新闻类别，更快速的查看自己关注的话题。

论文结构

本章以后，各章节的结构：

第二章：设计智能分类RSS阅读器和对应的相关技术。

第三章：智能分类工具包的设计。

第四章：分析介绍对目标文本的预处理，实现目标文本的属性化。

第五章：介绍朴素贝叶斯算法训练模型的处理和分类算法结合RSS阅读的实现。第六章：运行结果与测试的评价。