基于文本和类别信息的KNN文本分类算法
艾英山
张德贤
1.河南工业大学信息科学与工程学院,郑州,4500012.河南工业大学信息科学与工程学院,郑州,450001
摘要：提出了一种基于文本和类别信息的改进KNN文本分类算法.传统的KNN算法在计算样本相似度时利用的是文本和特征的相关信息,因此存在计算量大的明显缺陷,使其在具有大量高维样本的文本分类中缺乏实用性.新算法利用文本和类别的相关信息计算样本间的相似度,能够对特征维数进行有效的压缩.实验表明,该算法有较高的文本分类效率.
关键词：文本分类K近邻法特征降维类别分布
分类号：TP391(计算技术、计算机技术)
资助基金：河南省科技攻关项目(0324220024)
论文发表日期：2009-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：4( 10-12,49 )
英文信息