通过确定邻近区域改进KNN文本分类

摘要

文本分类技术已经成为处理和组织文本信息的关键技术之一.KNN算法是文本分类中一种实用的方法.它在每次分类的过程中都要计算测试集中未标记文本与训练集合中所有样本的相似度(距离),然后通过排序来找到K个最近邻样本,耗时较长,不利于Web上实时在线分类等应用.提出了一种确定邻近区域来加快搜寻K个最近邻的方法.试验证明,改进后的KNN算法较经典KNN算法在分类过程中速度有所提升,并且当训练文本数量增加时,在分类时间上表现相对更稳定.