应用特征聚合进行中文文本分类的改进 KNN算法 (2003年)

针对以 KNN为代表的 VSM模型存在的向量各特征项孤立处理问题,提出了一种应 用特征聚合方式的改进算法。该算法通过 CHI概率统计计算文本特征词对分类的贡献,将对分类 有相同贡献的文本特征词聚合,使用它们共同的分类贡献模式代替传统算法中单个词对应向量一 维的方式。该算法提高了稀有词对分类的贡献、强化了关联词的分类效果、并降低了文本向量的维 数。与传统 KNN算法进行的对比实验证明,该算法明显提高了分类的准确率和召回率。