随着互联网的快速发展,网络上的文本信息急剧增长,如何从庞大的信息库中提取有用的信息已变得越来越重要,这有赖于数据挖掘中的文本挖掘技术。文本分类技术是文本挖掘的关键技术之一,因此,对文本分类的研究具有重要的意义。KNN以简单和高鲁棒性而被广泛应用于机器学习和数据挖掘领域,被证实是向量空间模型(VSM)下最好的文本分类方法之一。然而KNN算法有其固有的缺点,当训练样本集过大或特征过多时,KNN算法的效率会明显下降。针对KNN算法的不足,本文提出了一种改进的KNN文本分类算法—PKNN,该算法基于投影寻踪理论和iDistance索引结构,能够通过对一维投影距离的搜索快速获得与待分类样本最近的小样本库,然后通过计算与小样本库内文本的相似度即可获得最近的K个样本,而无须与整个训练样本库的文本进行计算,因而在保证分类精度的同时明显提高了计算的效率。本文首先介绍了文本分类技术的概况和研究现状,然后系统介绍了文本预处理技术,在对KNN算法研究的基础上,提出了改进的PKNN算法。在此基础上,实现了一个中文文本分类系统,该系统由训练模块、分类模块、评价模块组成,能够对文本进行去停用词、特征选择、加权、分类等功能。该系统可以实现不同特征选择算法之间、PKNN和KNN之间分类性能的对比。最后通过实验验证了PKNN算法的效率和准确性。