朱庆生，张浪，张程

（重庆大学计算机学院，重庆 400044）

自然邻在文本分类中的应用

朱庆生，张浪，张程

（重庆大学计算机学院，重庆 400044）

在文本分类中，传统的KNN算法面临K值不确定，数据集分布不平衡等缺点的影响。基于此提出自然邻的思想，并将其应用到文本分类中，很好地克服KNN文本分类的缺点。首先，自然邻算法能够根据数据集自动获取文本向量的自然邻居，不需要人为干预，解决K值不确定问题。其次，对于不同的数据点其邻居数可能不一样，它会根据数据集的分布自动获取其对应的自然邻居，很好地克服数据集分布不平衡问题。并且，根据训练集的自然邻居设计一种权重分配算法，使得好邻居的权值较大，坏邻居的权值较小，进一步提高分类算法的精确度。

文本分类；自然邻居；KNN；权重分配

0 引言

近年来，随着互联网的飞快发展，网络信息量呈爆炸性的增长，增长速度比人类历史任何时期都要快的多，以互联网为载体的海量数据蕴含着大量的信息价值，因此有效地发现分析挖掘这些信息中的价值是很有必要的，可以给我们带来更大的生产力，给我们的生活带来更多的便利。传统的信息处理方法已经不能完全胜任各式各样的任务需要，一种新的数据处理方法应运而生，数据挖掘技术[1]弥补了传统数据处理方法的不足，能够发现海量数据背后蕴藏的有效信息，并且对于复杂的数据结构，对于那些传统数据处理方法很难下手的数据类型拥有更强的灵活性。……