K－最邻近算法在文本自动分类中的应用.PDF

第2 1卷 第2期 苏州市职业大学学报 Vol .2 1,No .2 2010年6月 Journal of Suzhou Vocational University Jun . ,2010 K－最邻近算法在文本自动分类中的应用 刘 卓 (苏州科技学院 电子与信息工程学院，江苏 苏州  215011） 摘 要：对文本的自动分类进行了研究,介绍文本分类的基本过程和文本特征选取的方法,重点介 绍了一种常用的基于内容的分类算法—K－最邻近算法.利用K－最邻近算法(KNN)并结合改进的 词特征权值计算方法和文本相似度的计算方法完成了文本的自动分类.通过KNN方法分类之后的 结果的查准率、查全率得以明显提高. 关键词：数据挖掘；文本自动分类；K－最邻近算法 中图分类号：TP18 文献标志码：A 文章编号：1008-5475(2010)02-0058-03 Application of KNN Algorithm in Automatic Text Categorization LIU Zhuo (Department of Electronic Information Engineering, Suzhou University of Science and Technology, Suzhou 215011，China) Abstract: Automatic classification of text is studied. The paper introduces the basic process of text classification and text feature selection method, focusing on a common content-based classification algorithm K-nearest neighbor algorithm. Text classification is completed by using K-nearest neighbor algorithm and the right combination of features to improve the value of words and text similarity calculation method.The precision rate and recall rate of results are significantly increased after using the methed of dessification by KNN. Key words: data mining text; automatic classification of text; K-nearest neighbor algorithm 随着计算机技术的发展 ,尤其是互联网的 日益普及 ,人们越来越依赖从网络中获取信息资源 .人们 从网络上那庞大的数字化文本信息中获取资源的同时,也存在着如何从海量的信息中快速、准确地找到 用户感兴趣的内容的难题 .因此,针对数字化文本进行分类 ,成为解决这一难题的主要方法 .传统的分类 方法是使用人工对文本进行分类 ,并加以组织和整理 ,以方便人们浏览.但是 ,这种人工分类的做法往往 需要具有专业知识的人员才能胜任 ,而且信息数据量的爆炸性增长也使得传统的人工分类变得不切实 际,因此使用计算机进行文本的 自动分类成为必然 .其 中K -最邻近算法(KNN ) 和SV M 是文本 自动分 [1] [2] 类的两种较好的方法 .KNN方法是一种非参数化方法,适合于概率密度函数的参数形式未知的场合