论文部分内容阅读
针对现有的话题跟踪中由于数据不平衡性和话题漂移性造成误报率和丢失率较高的问题,在类别选择的基础上,以话题为单位的邻近报道最大平均相似度代替最大相似度和作为跟踪报道的判定依据,更新话题特征向量,从而提出一种基于改进KNN的话题跟踪算法.所提方法解决了由于数据不平衡和话题漂移带来的跟踪代价较高的问题.实验结果中识别代价降低了7％,验证了算法的有效性.