基于改進(jìn)KNN分類算法的文本分類關(guān)鍵技術(shù)研究與實(shí)現(xiàn).pdf

1、隨著信息處理技術(shù)和計(jì)算機(jī)網(wǎng)絡(luò)的普及，Internet上的Web頁(yè)面數(shù)量呈指數(shù)增長(zhǎng)，為了快速、方便地處理這些信息，Web文本自動(dòng)分類技術(shù)應(yīng)運(yùn)而生，并且已經(jīng)成為信息檢索和文本數(shù)據(jù)挖掘領(lǐng)域的一個(gè)研究熱點(diǎn)。
　　結(jié)合在企業(yè)競(jìng)爭(zhēng)情報(bào)系統(tǒng)中的應(yīng)用，本文提出了新的特征選擇函數(shù)并且對(duì)KNN算法做了改進(jìn)，具體的工作如下：
　　(1)介紹了文本挖掘中所用到的主要關(guān)鍵技術(shù)，包括：中文分詞技術(shù)、文本的特征表示、文本的特征選擇、分類技術(shù)、聚類技術(shù)，以

2、及一些性能評(píng)估方法。
　　(2)介紹了KNN算法的步驟、優(yōu)缺點(diǎn)，著重介紹了兩方面的改進(jìn)方法。第一個(gè)改進(jìn)特征選擇函數(shù)，引入詞頻、文檔頻、信息熵等元素后，信息選擇函數(shù)對(duì)詞的重要性有較好的區(qū)分度，既有較好的類內(nèi)代表性，又有較好的類間區(qū)分度。第二個(gè)改進(jìn)的是 KNN分類算法，根據(jù)KNN分類算法常常遇到的問題，提出了對(duì)樣本空間的裁剪方法，不但提高了精度，又減少了時(shí)間復(fù)雜度。
　　最后，在前面研究的基礎(chǔ)上，根據(jù)所做的項(xiàng)目課題，將改進(jìn)的KN