自然鄰在文本分類中的應用.pdf

1、隨著信息技術的迅猛發(fā)展，網(wǎng)絡信息量呈爆炸性的增長。以互聯(lián)網(wǎng)為載體的海量數(shù)據(jù)蘊含著大量信息，有效的分析并挖掘這些信息中的價值是很有必要的。文本分類技術是數(shù)據(jù)挖掘領域最常用的技術之一，本文對文本分類技術進行詳細的研究。
　　在文本分類領域中，國內(nèi)外學者基于最近鄰技術提出了K近鄰文本分類算法，然而傳統(tǒng)的K近鄰文本分類算法有兩大缺點。第一，K值的確定始終面臨著困難，如果設置不合理將會對分類結(jié)果產(chǎn)生很大的影響，降低分類算法的準確率。并且，對

2、于不同的文本數(shù)據(jù)集，K值的設定并無經(jīng)驗可循，這給研究者帶來很大的麻煩。第二，分類結(jié)果受文本集分布影響很大，當訓練文本集的分布嚴重傾斜時，分類效果很不理想?；诖吮疚奶岢鲎匀秽彽乃枷?，并將其應用到文本分類中，很好的克服了K近鄰文本分類的缺點。本文所做的具體工作如下：
　　第一，調(diào)研并分析了文本分類的背景和意義，總結(jié)了文本分類關鍵技術的國內(nèi)外研究現(xiàn)狀。
　　第二，分析并總結(jié)了文本分類的詳細過程和步驟，對每個步驟中的經(jīng)典技術進行詳

3、細的歸納和總結(jié)。著重探討了文本分類的幾種常用算法，并對它們的優(yōu)缺點進行分析和總結(jié)。
　　第三，研究了最近鄰技術的概念，詳細分析了最近鄰技術的缺點。針對最近鄰中參數(shù)的不確定性以及對數(shù)據(jù)集分布比較敏感等缺點，提出了自然鄰居思想，并對自然鄰居算法中的自然穩(wěn)定狀態(tài)進行改進。自然鄰算法可以自適應的獲取數(shù)據(jù)集的自然鄰居，無需任何參數(shù)，很好的克服了最近鄰技術的缺點。最后分析并總結(jié)了自然鄰的特征，驗證了自然鄰算法對高維數(shù)據(jù)的可行性。
　　第