随着网络信息的迅猛发展，信息分类已经成为人们获取有用信息不可缺少的工具，文本自动分类系统是信息分类的重要研究方向，它是指在给定的分类体系下，根据文本的内容自动判别文本类别的过程。 目前，向量空间模型是进行大规模文本处理的最通用模型，本文首先对向量空间模型进行了研究和探讨，包括：向量空间模型的基本概念、特征项的选择、特征项的提取算法等等。 然后，本文介绍并比较了几种常用的基于向量空间模型的文本分类算法，同时描述了具体的算法步骤。 针对训练样本收集整理工作困难的问题，本文重点探讨了反馈方法与文本分类算法结合的可能性，并具体提出了一种实际可行的结合反馈方法的文本分类系统，该分类系统由训练过程、分类过程和反馈过程三部分组成，系统采用细致的模块化设计，具有很强的扩展性和灵活性。在本文提出并实现的文本分类系统上，我们进行了一系列的测试工作，并得到了严格的实验数据，这些实验数据都表明：在训练样本不充分的情况下，结合反馈方法的文本分类系统可以获得事半功倍的效果。 今后，可以在该文本分类系统的基础上进行有关向量空间模型、机器学习方法的进一步研究。