《表2 Reuters Corpus数据集上的实验结果对比分析》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于加权局部线性KNN的文本分类算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

/%

数据集质量对分类器的效果具有直接影响，复旦大学提供的文本分类语料库是一个严重不均衡的分类语料库，改进算法的优势可能体现得并不明显，因此在重复对比实验中采用了国际广泛应用的路透社语料库Reuters Corpus，并从中随机选取了五个类别，每一类别的训练集和测试集均为400和200篇。实验将本文L2KNN＿W与LLKNN、KNN、Rocchio[22]、SVM[23]、NB[24]、Text CNN算法[21]进行对比，表2只显示了测试结果的平均值。从表2中可以明显看出，L2KNN＿W算法的准确率比其他主流算法最低提升2.2%，最高提升13.26%；召回率虽低于SVM和LLKNN算法，但结果仍然是可以接受的。综合来看，改进后的算法在实验数据上比其他算法的表现效果较优，分类效果可以满足现有要求。