在海量信息时代,人们越来越享受在网上购物的乐趣。与此同时,信息过载等情况也给人们造成了极大困扰。那么如何在浩如烟海的信息海洋中,找到自己需要的有用信息,就具有了广泛的实用价值。文本挖掘做为从文本数据中发现潜在价值的一种有效技术,已经成为研究热点。文本分类器是文本挖掘的重要组成部分,其中的分类算法更是文本分类器的核心。本文对分类算法在中文、英文文本上的应用进行了研究。朴素贝叶斯算法和支持向量机算法是目前较为常用的分类算法,在很多方面较其他的分类算法显示出突出的优势。本文选择这两种算法作为研究的主要内容,也有着比较高的实用价值。通过对两种算法的了解学习,研究两种算法的核心本质。再通过实际数据,对两种算法进行实际应用,深入研究两种算法的适用情况。本文数据包含中文文本,英文文本,大型数据文本,小型数据文本等,数据较为全面.本文首选通过查阅文献,总结了现在文本挖掘的特点,文本分类的步骤,着重讨论了中文文本分类的技术方法,如分词方法等。介绍了朴素贝叶斯和支持向量机的基本理论,对分类算法有了清晰的认识,最后通过多种不同数据的数据实验,对两种算法进行实际应用测试,并对两种算法做了总结。本文算法主要使用R实现,R作为一种非常流行的统计软件,在算法实现过程中运算稳定、便捷,为本文的研究打下了良好的技术基础。