摘要： 随着当前计算机与移动互联网中数据的增长，在海量的网络招聘数据中如何有效 挖掘可用信息成为当前教育和社会供需发展的技术瓶颈。为突破该技术瓶颈，提出了一种模糊 启发式的ＫＮＮ文本分类算法：基于ＡＢＣ（ａｒｔｉｆｉｃｉａｌｂｅｅｃｏｌｏｎｙ）的启发式搜索方法，以此来调整特 征的权重，并利用模糊距离度量方法以测量测试观察和训练观察之间的相似性。先将招聘信息 分词，利用ＴＦＩＤＦ（ｔｅｒｍｆｒｅｑｕｅｎｃｙｉｎｖｅｒｓｅｄｏｃｕｍｅｎｔｆｒｅｑｕｅｎｃｙ）算法与ＡＰ（ａｆｆｉｎｉｔｙｐｒｏｐａｇａｔｉｏｎ）聚 类算法进行特征选择和噪声数据剔除，最后采用结合启发式搜索和模糊距离度量的ＫＮＮ算法 对文本信息分类。通过实验结果发现：该方法有效地解决了传统ＫＮＮ算法在人才需求文本分 类方法中稳定性差和分类精度低的问题。