一种改进的分类算法在不良信息过滤中的应用

作者：刘志刚; 杜娟; 衣治安

来源：微计算机应用, 2011, (02): 9-14.

• 不均衡数据集
• 样本生成
• 分类
• 不良文本
• 信息过滤
• 聚类
• 遗传交叉 imbalanced data sets
• generate samples
• classify
• malicious text
• information filtering
• clustering
• genetic crossover

使用KNN(K Nearest Neighbor)分类算法进行不良文本信息过滤时,由于包含不良信息的样本不易获取,导致分类器预测结果严重倾向于多数类。为改善少数类过滤效果,从数据层的角度改进了传统的KNN算法:先将少数类样本聚类分组,再在每个聚类内部使用遗传交叉生成新样本,并验证其有效性,最终获取到各类别样本数量基本均衡的训练样本集合并训练KNN分类器。实验结果表明,本文的方法可有效识别不良文本。此方法同时适用于其他关注少数类分类精度的不均衡数据集分类问题。

• 出版日期2011
• 单位东北石油大学