九十年代以来,Internet以惊人的速度发展起来,它容纳了海量的各种类型的原始信息,包括文本信息、声音信息、图像信息等等。如何在众多而且复杂的文本中掌握最有效的信息始终是信息处理的一大目标。基于人工智能技术的文本分类系统能依据文本的语义将大量的文本自动分门别类,从而更好地帮助人们把握文本信息。近年来,文本分类技术已经逐渐与搜索引擎、信息推送、信息过滤等信息处理技术相结合,有效地提高了信息服务的质量。自动文本分类就是对大量的自然语言文本按照一定的主题类别进行自动分类,它是自然语言处理的一个十分重要的问题。文本分类主要应用于信息检索,新闻识别,机器翻译,论文文摘,信息过滤,反垃圾邮件等任务。在本设计中,我实现了一个文本分类系统,该系统分为两大模块,一个是训练模块,一个是分类模块。在训练模块中包括以下部分。(1)中文文本的预处理,就是对文本进行分词。(分词采用中科院开源分词组件)(2)特征选取,实现了信息增益、互信息、期望交叉熵、文本证据权重、右半信息增益以及统计。(3)权重计算,我们知道传统的特征权值算法TF*IDF只关心了词出现的频率而没有涉及到特征项和类别的关系。系统从这方面进行了改良。实现了传统的TF*IDF、改良后的TF*DIFF和TF*IDF*DIFF的权重算法。分类模块主要是构造一个K近邻分类器,然后对分类集合里的文本使用分类器,通过前面设定好的参数等进行分类,最后对分类结果进行判断,统计正确率的过程。本文不仅实现了18种算法的组合效果,并且分析出一种最优的算法组合来提高准确率。