一种基于粗糙集与KNN的文本分类方法及系统

摘要

本发明公开了一种基于粗糙集与KNN(K Nearest Neighbor)算法的文本分类方法及系统，用于对各类文本信息进行分类处理。其采用粗糙集的属性约简算法对待分类的数据进行预处理。然后，通过基于属性序的处理方法和算法进一步解决粗糙集属性约简中的NP-hard问题。在粗糙集区分矩阵的关键环节正区域计算上利用递减式计算方法，减少等价类的计算工作量；运用去停止词的查表法、位置信息在属性序中的引入及倒排索引的检索方法等进一步来降低系统的运行时间和空间成本。最后基于上述方法构建分类器，分类的准确度、召回率与F值都比较理想，分类速度得到大幅度提升。解决了KNN文本分类器的待分类文本数据维数和计算次数较高，从而导致其耗费的时间和空间成本也很高等问题。