随着互联网的快速发展和普及,网上教育新闻数据也越来越多。为了让关注教育新闻的相关人员根据需要,方便地获取到我国34个行政区中特定区域的教育新闻。本文通过收集大量的教育新闻文本,建立了带标记的教育新闻文本集,设计了适用教育新闻文本的区域分类方法。本文主要工作可以概括为:(1)为了降低人工标记文本集的成本,本文对网络教育新闻文本集的自动标记法进行了研究,提出了一种基于CGLTF-IDF特征提取和半监督聚类的教育新闻文本集自动标记方法。首先,通过网络爬虫进行文本获取并对其进行清洗;其次,收集教育地理名词形成教育地理词库,并对文档-逆文档频率(TF-IDF)特征提取方法进行改进,设计了适用于教育新闻文本的特征提取方法(CGLTF-IDF);然后,为了形成高质量带标记的训练集,提出了基于权值的样本选择标记策略;最后,构建了基于CGLTF-IDF特征提取和半监督聚类的教育新闻文本集自动标记模型,并对文本集进行标记。实验结果表明此种方法可以有效地对网络教育新闻文本集进行标记,从而为后期研究提供可训练的数据集。(2)为了对教育新闻文本进行行政区域分类,本文设计了一种基于投票策略的教育新闻文本的区域分类方法(V-ECM)。首先,分析现有文本分类算法及文本表示方法,设计并实现了基于朴素贝叶斯、卷积神经网络和长短期记忆网络3类教育新闻文本区域分类模型。其次,依据这3类分类模型的特点,设计了一种基于投票策略的教育新闻文本的区域分类方法,实现教育新闻文本的区域分类。最后,将V-ECM应用到实际的教育信息系统中,满足了用户需求。