一种基于KNN的文本分类算法

摘要

KNN（K—Nearest Neighbor）是向量空间模型中最好的文本分类算法之一。但是，当样本集较大以及文本向量维数较多时，KNN算法分类的效率和准确率就会大大降低。该文提出了一种提高KNN分类效率的改进算法，并且改进了相似度的计算方法，能更准确的判断维数高且样本集大的文本向量。算法在训练过程中计算出各类文本在向量空间中的分布范围，在分类过程中，根据待分类文本向量在样本空间中的分布位置，缩小其K最近邻搜索范围。实验证实改进的算法可以在保持KNN分类性能基本不变的情况下，显著提高分类效率。