一种改进KNN个性化邮件过滤的方法

针对个性化邮件过滤中接收的邮件没有规律、正常邮件和垃圾邮件存在严重类偏移等问题，提出一种改进的k最近邻(knearestneighboralgorithm，KNN)个性化邮件过滤方法。该方法主要是通过建立兴趣度模型(对兴趣度计算的改进，剔除用户习惯对建立兴趣度模型带来的影响)不断改变训练集，使得训练集中的文本始终代表用户最近的兴趣。然后通过对接收邮件的无规律和类偏移问题的研究,提出一种改进的KNN算法，该算法主要是对文本在聚类中的价值重新评定，使其对邮件文本进行了较好的分类。经实际验证，改进后的KNN个性化过滤方法能较好地实现对邮件进行个性化分类。