文献类型：期刊文章

作　　者：张孝飞[1] 黄河燕[1]

机构地区：[1]中国科学院计算机语言信息工程研究中心,北京100097

出　　处：《模式识别与人工智能》

基　　金：国家自然科学基金项目(No.60672149);国家863计划项目(No.2006AA010109)资助

年　　份：2009

卷　　号：22

期　　号：6

起止页码：936-940

语　　种：中文

收录情况：BDHX、BDHX2008、CSCD、CSCD2011_2012、EI(收录号：20100512678360)、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：KNN算法稳定性好、准确率高,但由于其时间复杂度与样本数量成正比,导致其分类速度慢,难以在大规模海量信息处理中得到有效应用.文中提出一种改进的KNN文本分类方法.其基本思路是,通过文本聚类将样本中的若干相似文档合并成一个中心文档,并用这些中心文档代替原始样本建立分类模型,这样就减少了需要进行相似计算的文档数,从而达到提高分类速度的目的.实验表明,以分类准确率、召回率和F-score为评价指标,文中方法在与经典KNN算法相当的情况下,分类速度得到较大提高.

关 键 词：k-最近邻(KNN)  文本分类 文本聚类 聚类中心 自然语言处理  

分 类 号：TP391.1]