一种改进的KNN文本分类.pdf

142 2012 ，48 （2 ） Computer Engineering and Applications 计算机工程与应用 一种改进的KNN 文本分类 钟 将，刘荣辉 ZHONG Jiang, LIU Ronghui 重庆大学 计算机学院，重庆 400044 College of Computer Science, Chongqing University, Chongqing 400044, China ZHONG Jiang, LIU Ronghui. Improved KNN text categorization. Computer Engineering and Applications, 2012, 48 （2 ）：142-144. Abstract ：In text categorization, the problems of large feature dimension and samples data distributed imbalanced influence the classi- fied results. To this problem, this paper puts forward an improved KNN method. Using latent semantic analysis to reduce dimensionali- ty of text feature matrix. Using improved KNN method based on density to realize text categorization. The experimental results show that the proposed method can effectively improve the text categorization precision. Key words ：feature reduction; latent semantic analysis; K-Nearest Neighbor （KNN ）; text categorization 摘 要：在文本分类中，文本特征空间维数巨大以及训练样本分布不均衡等问题影响分类性能。针对这个问题，提出一种改进的 KNN 分类方法。利用隐含语义分析方法对特征样本空间进行降维处理；利用基于样本密度的改进的KNN 分类器进行分类。实 验结果表明提出的方法能够收到较好的分类效果。 关键词：特征降维；潜在语义分析；K-最近邻法；文本分类 DOI ：10.3778/j.issn. 1002-8331.2012.02.041 文章编号：1002-8331（2012 ）02-0142-03 文献标识码：A 中图分类号：TP 18 y (d c ) d c y (d c ) 1 d 随着Internet 的迅猛发展，各类文本信息快速增长，如何在 是类别属性函数， 属于 时， ；当 i j i j i j i 错综复杂的海量文本信息中获取最有用的信息始终都是信息 c y (d d) 0 不属于 时， i 。 j 处理的热点。自动文本分类作为文本信息挖掘的重要技术， 则最后的分类决策函数为： 在提高信息利用的有效性和准确性上都具有广