随着计算机和互联网技术的飞速发展以及广泛应用,人们可以获得越来越多的数字化文本信息,但同时也需要投入更多的时间对这些信息进行组织和管理.由此而出现了计算机进行自动文本分类技术.文本分类就是在给定的分类体系下,让计算机根据文本的内容确定与它相关联的类别,这是自然语言处理的一个重要的问题,主要应用于信息检索、自动文摘、信息过滤、邮件分类等. 本文的研究内容主要有以下几个方面: (1)对文本分类中的特征表示、特征选择、分类方法和性能评价等关键技术进行探讨和研究. (2)基于聚类分析的文本分类研究.聚类和分类有着密切的联系,从信息粒度角度来看,聚类是在一个统一的粒度下进行计算,而分类是在不同的粒度下进行计算.聚类和分类可以结合起来,利用聚类算法将训练集中每一类样本划分成若干个子类,所有子类的中心向量代表整个训练样本空间. (3)将聚类分析思想引入文本分类中,提出一种新的基于聚类算法的文本分类方法,结合kNN思想处理拒识样本.训练过程中,将训练文档聚类划分成若干个球形簇,使得同一簇中的文档具有较高的相似度和相同的类别;测试时,依据测试文本落入的簇,确定测试文本所属的类别,如果测试文档不落入任何簇中,用kNN方法分类.实验结果显示,、这种方法在高维空间中具有良好的泛化能力和很好的时间性能. (4)文本分类系统的设计与实现.建立了一个实用的文本分类系统,以此作为深入研究文本分类技术的实验平台.