K-近鄰中文文本分類方法的研究.pdf

1、在浩瀚的數(shù)據(jù)資源中，為了實(shí)現(xiàn)對(duì)特定主題的搜索或提取，文本自動(dòng)分類技術(shù)已經(jīng)成為目前研究的熱點(diǎn)。K-近鄰(KNN)是一種重要的文本自動(dòng)分類方法，能夠處理大規(guī)模數(shù)據(jù)，且具有較高的穩(wěn)定性。本文在全面概述中文文本分類的基礎(chǔ)上，對(duì)KNN中文文本分類進(jìn)行了研究。全文的主要內(nèi)容如下：
　　 (1)概述了文本分類的研究背景和發(fā)展現(xiàn)狀，詳細(xì)介紹了中文文本分類的一般過(guò)程和關(guān)鍵技術(shù)以及文本分類的質(zhì)量評(píng)估的標(biāo)準(zhǔn)和方法。
　　 (2)針對(duì)KNN文本

2、分類處理大規(guī)模數(shù)據(jù)，存在的分類速度慢的問(wèn)題，提出了基于中心文檔的K-KNN算法，在KNN方法的基礎(chǔ)上，引入特征項(xiàng)間的語(yǔ)義關(guān)系，并根據(jù)語(yǔ)義關(guān)系進(jìn)行聚類生成中心文檔，減少了KNN要搜索的文檔數(shù)，提高了分類速度。仿真實(shí)驗(yàn)表明，該算法在不損失分類精度的情況下，顯著提高了分類的速度。
　　 (3)為了減小訓(xùn)練集中各類別資源分布不均衡對(duì)分類性能造成的影響，提出了一種處理方法，在K-KNN的基礎(chǔ)上，利用較小的K值對(duì)訓(xùn)練集中的邊界文本的進(jìn)行多次