论文研究一种改进的KNNWeb文本分类方法.pdf

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。