一种改进的KNN Web文本分类方法

• 作者: 吴春颖 王士同
• 来源期刊: 计算机应用研究
• 关键词: Web文本分类 K最近邻 快速分类
• 年，卷（期）: 2008,（11）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 3275-3277
• 页数: 3页
• 分类号: TP311
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2008.11.021

摘要

KNN方法存在两个不足:a)计算量巨大,它要求计算未知文本与所有训练样本间的相似度进而得到k个最近邻样本;b)当类别间有较多共性,即训练样本间有较多特征交叉现象时,KNN分类的精度将下降.针对这两个问题,提出了一种改进的KNN方法,该方法先通过Rocchio分类快速得到k0个最有可能的候选类别;然后在k0个类别训练文档中抽取部分代表样本采用KNN算法;最后由一种改进的相似度计算方法决定最终的文本所属类别.实验表明,改进的KNN方法在Web文本分类中能够获得较好的分类效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王士同	江南大学信息工程学院	528	3424	23.0	37.0
2	吴春颖	江南大学信息工程学院	4	68	4.0	4.0