随着互联网与社交网络的飞速发展,类似搜索新闻、微博等社交平台每天会产生海量的短文本数据流。与静态数据不同,这些短文本数据流具有文本长度短、包含的信息量少,快速、海量以及隐含概念漂移、新类凸现等特点,使得短文本数据流的分类工作面临巨大的挑战。如何挖掘这些数据流中蕴含着的有价值的知识成为短文本数据流分类的重要任务。本文旨在针对短文本数据流存在的特征高维稀疏、概念漂移与新类凸现问题开展分类方法研究,主要工作包括:(1)针对短文本数据流的特征稀疏与概念漂移问题,本文提出一种基于Probase外部语料库特征扩展的短文本数据流分类方法。该方法利用了由Web文档自动构建的外部语义网络Probase,同时,该方法基于增量式的集成模型。首先,根据外部语义网络,引入更多地语义信息用于扩展短文本以弥补文本稀疏问题;同时,通过语义信息消除文本中实体的歧义性以降低噪声的影响。最后,提出基于聚类簇信息的概念漂移检测方法。大量实验表明:与经典数据流概念漂移检测算法相比,所提方法能够有效检测概念漂移;同时,与经典短文本分类算法相比,能够提高短文本分类的精度。(2)针对短文本数据的特征高维与新类凸现问题,提出一种基于特征选择与新类凸现检测的短文本数据流分类方法。在基于Probase外部语料库特征扩展的基础上,该方法通过最大相关最小冗余方法(MRMR)将无关联和冗余的特征去除,得到新的最优子特征空间实现特征降维。最后,引入一种新标签检测方法用于检测短文本数据流中的凸现新类。实验结果表明:所提方法对短文数据流中新出现的标签能有效进行检测,同时提高了分类精度。