kNN算法是一种简单、有效和非参数的分类方法。但是,kNN算法需要计算测试样本与每个训练样本的距离并比较大小,算法的效率较低。为了有效提高kNN算法执行效率,本文提出一种基于区域划分的kNN文本快速分类算法,该方法将训练样本集按空间分布情况划分成若干区域,通过各区域与测试样本之间的距离关系来建立初级分类器。利用初级分类器裁剪训练样本并快速查找测试样本的新训练集。在新训练集上使用kNN分类器对测试样本进行类别判定,减少了kNN分类器的计算量,有效提高了kNN分类算法的效率。文章着重讨论了网格划分方法、划分聚类划分方法、等半径球形划分方法和等样本球形划分方法这几种有效的区域划分方法。在这些划分方法的基础上建立了网格区域初级分类器模型和球形区域初级分类器模型,并针对这两类初级分类器模型提出了相应的kNN改进算法。数学推理和实验结果均表明,该算法在确保kNN分类器准确率不变的前提下,显著提高了分类效率。