随着信息技术的迅猛发展和日益普及,文本信息呈现指数级增长。文本分类作为管理大量信息的重要技术,能有效地解决信息混杂的难题,同时能够让用户更准确地检索信息,在信息过滤与检索、邮件分类和话题跟踪等方面有很高的应用价值,是数据挖掘领域的热点技术。本文以提高KNN分类器性能为主要目标,简要阐述文本分类定义、文本预处理、特征选择、特征加权、分类方法和分类性能评估等,并且针对特征选择、特征加权、分类方法进行了深入研究并加以改进。(1)提出了基于蚁群优化算法的特征选择。通过设计适应度函数、转移规则和信息素更新等,可以有效排除关联特征和冗余特征,降低计算的空间与时间,提高计算精度,从而提高分类性能。(2)结合TF-RFIDF对有监督特征加权进行改进。在有监督特征加权方法TF-RF的基础上,将相关性频率(RF)和逆文档频率(IDF)结合,提出TF-RFIDF特征加权法,更好地利用了样本分布和类别先验信息,从而提高文本分类的性能。(3)结合关联规则对KNN分类算法进行改进。该方法利用Apriori算法针对不同类别的训练样本提取每个类别的频繁特征集及其关联的文本,为未知类别的文本确定适当的近邻数k,根据近邻的类别确定未知文本的类别。改进后的方法能够较好地确定k值,并且能降低时间复杂度。实验表明,三个针对文本分类的算法改进都能提高分类正确率,表明了算法的有效性。