一种基于生成树文档聚类改进的KNN文本分类方法

摘要

针对KNN方法分类时效率不高，同时最佳参数K值难以确定的不足点，文中提出一种基于生成树文档聚类改进的KNN文本分类方法。其基本思想是使用生成树算法实现类内训练样本自动聚类，对生成的每R生成子树进行剪裁保留其核心文档节点，并将核心文档结点文档合并为一个中心文档。分类测试时，只需计算被测文档与子树中心文档的相似度：被测文档的类别为相似度最大的子树的类别。实验表明，文中方法与KNN方法相比有很好的分类稳定性，同时提高了分类的速度和避免了参数K值的选择。