基于文本和类别信息的KNN文本分类算法

• 作者: 张德贤 艾英山
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 文本分类 K近邻法 特征降维 类别分布
• 年，卷（期）: 2009,（11）
• 所属期刊栏目: 算法与分析
• 页码范围: 10-12,49
• 页数: 4页
• 分类号: TP391
• 字数: 3587字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2009.11.004

摘要

提出了一种基于文本和类别信息的改进KNN文本分类算法.传统的KNN算法在计算样本相似度时利用的是文本和特征的相关信息,因此存在计算量大的明显缺陷,使其在具有大量高维样本的文本分类中缺乏实用性.新算法利用文本和类别的相关信息计算样本间的相似度,能够对特征维数进行有效的压缩.实验表明,该算法有较高的文本分类效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张德贤	河南工业大学信息科学与工程学院	88	431	10.0	17.0
2	艾英山	河南工业大学信息科学与工程学院	4	20	2.0	4.0