文本分类算法主要是用来处理文本数据的，它首先对自然语言进行分析，过滤干扰信息，在给定类别的前提下，对文本的内容进行分类处理，最终成功的对文本进行分类。现阶段，虽然文本分类模型已经趋近于成熟，但也并没有达到完美。随着网络技术的飞速发展，远程教育系统在网络上应用的越来越广，智能答疑系统也随之产生，并成为一个非常值得研究的课题。它允许用户进行自然语言提问，无需用户手工查找，就能够返回给用户精准的答案。与传统的关键字匹配技术相比，智能答疑系统能更好地满足用户的查询需求。但是目前的智能答疑系统，回答问题的精准度和时间效率都不够理想。论文在参考大量文献的基础上对文本分类的重点、难点和主要算法进行了分析，并针对特征选择算法中的信息增益算法进行了改进；用信息增益改进算法，联合相似度计算方法，对KNN分类模型进行改进。论文把改进的算法和改进的KNN分类器运用到智能答疑系统中，构建出一个精准度更高、时间效率更好的智能答疑系统模型。该模型在关键词查找阶段，用信息增益改进算法提取关键词，进行匹配；在问题库分类阶段，用改进的KNN分类模型进行分类。实验结果证明，文本分类算法应用到智能教学系统中是可行的，它提高了系统的准确率，缩短了查询时间。