基于KNN的專利文本分類算法研究.pdf

1、隨著Internet和信息技術(shù)的快速發(fā)展,大量的半結(jié)構(gòu)化和非結(jié)構(gòu)化信息量的急劇增加,如何在最短的時(shí)間內(nèi)獲取自己所需要的信息已成為當(dāng)前我們迫切需要解決的問題。目前,專利技術(shù)已成為國家或地區(qū)間競爭力的核心,面對(duì)海量的專利信息,如何利用文本分類技術(shù)來對(duì)這些專利信息分類已成為大勢所趨。
　　首先,本文介紹了文本分類的研究現(xiàn)狀以及專利分類背景。其次,系統(tǒng)介紹了文本分類的關(guān)鍵技術(shù)和各種分類算法,以及各種分類算法在不同領(lǐng)域中的應(yīng)用。目前,在眾多

2、分類器當(dāng)中,KNN分類器相對(duì)于其他分類器分類效果較好,但是其依舊存在一些缺點(diǎn),諸如分類速度慢、分類精度低下等。為了克服KNN分類算法的諸缺點(diǎn),本文提出了優(yōu)化的KNN算法分類器,該分類模塊由訓(xùn)練、分類以及評(píng)價(jià)三部分組成。優(yōu)化的KNN算法采用基于簇的原始空間模型對(duì)訓(xùn)練集進(jìn)行處理,首先將訓(xùn)練集中相似的文本形成一簇,把每一簇看作是一個(gè)普通文本,計(jì)算每一簇的中心向量,再設(shè)定一個(gè)閾值,對(duì)高于該閾值的簇進(jìn)行管理,并重新形成訓(xùn)練集。該分類算法在盡量保存