当今社会,信息就是财富,就是生成力,但是如果我们想把所有的信息量都掌握,这显然不太现实。所以如何从庞大的信息库中获取我们所需要的有价值的信息就显得尤其重要。传统的信息检索技术已经不能满足我们对文本进行分门别类合理管理的要求。随着对信息应用需求的加大,文本挖掘就产生了。文本分类技术是文本挖掘研究中最基本的工作,用于帮助我们查询信息、检索网页、过滤文本信息,从而提高信息的可利用率和使用价值。文本分类的任务是将自然文本根据文本信息量分到预先定义的几个类别中。很多领域都有此类问题,包括网页搜索、办公自动化、新闻网页搜索和主题索引的分类。它应用于信息过滤和提取、网页搜索、数字化图书馆，作为一种关键技术,应用前景非常广阔。KNN算法是一种非参数的文本分类方法,因其简单、有效的特点,被广泛应用于机器学习领域。本文的研究内容是相似度的不同对于KNN算法在文本分类中的影响。同时对于各种不同的距离函数在KNN分类算法中的效果进行了比较。传统的KNN算法中,一方面相似度公式中并没有考虑每一个测试样本点与每一类训练集中心的距离;另一方面也并没有考虑到特征项在分类时对不同类别所起的作用,也就是没有考虑到样本点之间共同拥有或者共同出现的特征项数目。基于以上两点不足,本文提出了新的相似度计算方法,实验二的结果表明,新的相似度计算公式确实提高了文本分类的正确率。