文本挖掘是数据挖掘的一个分支，它主要使用数据挖掘，机器学习，自然语言处理和信息检索技术，从文本集合中发现新的信息。文本挖掘是一个多样化的研究领域，文本分类是其中之一，在文本分类方面，语言的多样性必然要求有针对不同语言特征变化的处理技术。文本分类是一项困难的、有挑战性的研究方向，它需要良好的自然语言和通用语言处理技术。　　许多机器学习的方法已经被提出去解决文本分类问题，但是大多数研究只应用于英语。与其它语言不同，越南语是一门用拉丁字符书写的独立语言。所以不可能机械地把处理其它语言的方法应用于越南语分类中。越南语拥有多样的语法和丰富的词库，还有广泛的特性：单词与单词之间不是按空格分隔，一个划分音节会出现在多个不同的单词中，一个单词能包含多个划分音节。这给越南语的文本分类带来了极大的挑战。这个问题中，后续步骤的处理依赖前面的处理结果，因此首要任务是研究一个高效的解决分词问题的方法，然而，迄今为止还没有研究成果能有效解决这个问题。　　但是，现在有许多机器学习方法被成功应用于多种语言的文本分类上，包括在某些方面和越南语相似的日语、汉语，通过研究、继承、改进已有的相关技术，解决越南语的分类问题。本文研究了解决越南语文本分类问题的若干方法，得到了较好的结果。本文的主要贡献如下。　　1.从越南语的网站上，采用网页内容获取技术，结合代码分析和自然语言处理的技术，获得相关文本信息。该方法基于一个假设，网站的超文本文档的标签都已经分析并创建成文档树，从树中能判断包含网页主要信息的节点，这些节点用自然语言处理，并给其赋予权值，最后建立了比较大的语料库，拥有10个粗粒度话题和20个细粒度话题做相关测试。这些工作为后期实验提供了不可忽略的实验条件。　　2.分析研究了越南语分词的多种方法。这是在文本分类中起决定性作用的一步，值得一提的是，本文提出的分词方法结合了其它两种分词技术，词典最大匹配法和支持向量机模型。选择这种组合的原因是这两种方法可取长补短，可以解决模糊问题和未知单词识别问题，因此，这种组合是有效的。在测试中，能够通过对比其它算法说明该方法的高效性。在没有能测试的标准语料库、没有支持研究的完整的词典、没有绝对有效的分词工具的情况下，越南语的分词问题被成功解决了。这个解决方案是本文的主要研究成果，为今后深入研究越南语文本分类打下基础。　　3.从大量的文本特征提取方法中，研究并选择出适合于进行越南语文本分类的方法，本文提出的方法在进行越南语特征提取时是有效的。　　4.提出了一种灵活的解决越南语文本分类的方法，该方法通过忽略分词，采用统计语言 n-gram进行文本分类建模。尽管处理过程进行了简化，但结果却与机器学习得到的相当。该方法可以为处理越南语其它相关问题提供思路。　　5.给出了越南语文本分类的解决方案，它能够有效的应用于越南语文本、越南语的信息查询等实际应用中。　　以上研究成果将为今后研究与越南语文本处理相关的问题打下基础。