自然鄰在文本分類中的應(yīng)用.pdf

1、隨著信息技術(shù)的迅猛發(fā)展，網(wǎng)絡(luò)信息量呈爆炸性的增長(zhǎng)。以互聯(lián)網(wǎng)為載體的海量數(shù)據(jù)蘊(yùn)含著大量信息，有效的分析并挖掘這些信息中的價(jià)值是很有必要的。文本分類技術(shù)是數(shù)據(jù)挖掘領(lǐng)域最常用的技術(shù)之一，本文對(duì)文本分類技術(shù)進(jìn)行詳細(xì)的研究。
　　在文本分類領(lǐng)域中，國(guó)內(nèi)外學(xué)者基于最近鄰技術(shù)提出了K近鄰文本分類算法，然而傳統(tǒng)的K近鄰文本分類算法有兩大缺點(diǎn)。第一，K值的確定始終面臨著困難，如果設(shè)置不合理將會(huì)對(duì)分類結(jié)果產(chǎn)生很大的影響，降低分類算法的準(zhǔn)確率。并且，對(duì)

2、于不同的文本數(shù)據(jù)集，K值的設(shè)定并無(wú)經(jīng)驗(yàn)可循，這給研究者帶來(lái)很大的麻煩。第二，分類結(jié)果受文本集分布影響很大，當(dāng)訓(xùn)練文本集的分布嚴(yán)重傾斜時(shí)，分類效果很不理想?；诖吮疚奶岢鲎匀秽彽乃枷?，并將其應(yīng)用到文本分類中，很好的克服了K近鄰文本分類的缺點(diǎn)。本文所做的具體工作如下：
　　第一，調(diào)研并分析了文本分類的背景和意義，總結(jié)了文本分類關(guān)鍵技術(shù)的國(guó)內(nèi)外研究現(xiàn)狀。
　　第二，分析并總結(jié)了文本分類的詳細(xì)過(guò)程和步驟，對(duì)每個(gè)步驟中的經(jīng)典技術(shù)進(jìn)行詳

3、細(xì)的歸納和總結(jié)。著重探討了文本分類的幾種常用算法，并對(duì)它們的優(yōu)缺點(diǎn)進(jìn)行分析和總結(jié)。
　　第三，研究了最近鄰技術(shù)的概念，詳細(xì)分析了最近鄰技術(shù)的缺點(diǎn)。針對(duì)最近鄰中參數(shù)的不確定性以及對(duì)數(shù)據(jù)集分布比較敏感等缺點(diǎn)，提出了自然鄰居思想，并對(duì)自然鄰居算法中的自然穩(wěn)定狀態(tài)進(jìn)行改進(jìn)。自然鄰算法可以自適應(yīng)的獲取數(shù)據(jù)集的自然鄰居，無(wú)需任何參數(shù)，很好的克服了最近鄰技術(shù)的缺點(diǎn)。最后分析并總結(jié)了自然鄰的特征，驗(yàn)證了自然鄰算法對(duì)高維數(shù)據(jù)的可行性。
　　第