基于K近鄰算法的中文文本分類研究.pdf

1、時(shí)代的進(jìn)步，信息產(chǎn)品的多樣化，世界范圍內(nèi)的因特網(wǎng)的飛速發(fā)展，使得網(wǎng)絡(luò)技術(shù)已經(jīng)滲透到了我們生活的各個(gè)角落?，F(xiàn)在因特網(wǎng)已經(jīng)發(fā)展成為了世界上最大、信息最齊全的多媒體信息庫。今后還將有越來越多的信息加入因特網(wǎng)，我們幾乎可以在因特網(wǎng)上搜索到我們需要的任何信息。我們?cè)鯓硬拍軓囊蛱鼐W(wǎng)上準(zhǔn)確快速地找到我們想要的信息就是我們迫切需要考慮的。隨后就提出了文本分類的概念，文本分類的出現(xiàn)解決了這個(gè)問題。
　　 本篇論文主要研究了基于K近鄰分類算法的中文

2、文本分類方法。其中，K近鄰分類算法是目前比較常用的一種分類方法，對(duì)其進(jìn)行深入的研究并進(jìn)行改進(jìn)有助于分類技術(shù)的進(jìn)一步發(fā)展。文本分類是先定義一些文本類別，然后將要進(jìn)行分類的文本分到其屬于的類別，再用定義的類別標(biāo)志進(jìn)行標(biāo)示。換句話說，就是把一些沒有類別標(biāo)志的文本標(biāo)上其屬于的類別標(biāo)志。這個(gè)過程是通過計(jì)算機(jī)完成的。隨著時(shí)代的進(jìn)步，人們生活水平的提高，因特網(wǎng)也在飛速的發(fā)展，人們能夠從網(wǎng)絡(luò)上獲取越來越多的多媒體信息，例如：文本信息、圖片信息、聲音信息

3、等等，但是其中的中文文本信息大部分都是半結(jié)構(gòu)化和無結(jié)構(gòu)的中文文本信息，這就使得如何從大量的文本信息中找到用戶需要的文本信息變得標(biāo)記困難。所以怎樣利用中文文本分類方法將這些大量的雜亂無章的中文文本信息進(jìn)行有效的分類有著重要的意義。中文文本分類方法能夠?qū)Υ罅康碾s亂無章的中文文本信息進(jìn)行有效的歸類，并且中文文本分類已經(jīng)也是進(jìn)行信息過濾和引擎搜索等的基礎(chǔ)。因此，對(duì)中文文本分類方法進(jìn)行深入地研究并進(jìn)行有效的改進(jìn)或者提出新的能夠進(jìn)行更有效的分類的中

4、文文本分類方法對(duì)人們獲取需要的信息有著非常重要的意義。
　　 本文首先介紹了中文文本分類所涉及到的相關(guān)理論，如：中文的特點(diǎn)、中文分詞、文本表示、特征選取、性能評(píng)價(jià)以及相似度計(jì)算方法。
　　 其次，在對(duì)K近鄰分類算法深入分析的基礎(chǔ)上，考慮了各類文本集數(shù)量分布不均對(duì)分類結(jié)果的影響，針對(duì)該方法在計(jì)算文本相似度時(shí)存在的不足，提出了改進(jìn)的方案。新的方案引入了中心向量分類算法的思想，對(duì)K近鄰分類算法的相似度計(jì)算公式進(jìn)行了改進(jìn)，從而提