随着人类社会进入大数据时代,海量的文本信息充斥着整个互联网,文本地理信息也是如此。如何从这些信息中有效而迅速地抽取价值数据已经成为当今最热门的研究方向之一。然而,杂乱无章的文本集合利用价值较低,规模庞大的文本内容延缓了人类的阅览速度。因此,文本分类与摘要提取技术作为数据挖掘、信息检索等领域的基础技术,使得众多的专家投入到该领域的研究。本文通过对大量的文本地理信息进行分析,总结了文本地理信息的三大特点,分别为主题不明确、段落之间联系微弱以及关键词汇出现频度较低。因此,当传统的基于句子相似度和词频的摘要提取方法应用于地理信息领域时,生成的摘要通常会遗漏许多关键信息。本文针对文本地理信息独有的特点,通过结合地理信息领域的关键概念、关键短语以及句子在文本中出现的关键位置对经典的TextRank算法进行改进,提出了基于GTextRank算法的摘要提取方法。目前,由于网络文本地理信息的现成摘要过于稀缺,导致传统的文摘评估指标如正确率、召回率、F值不能直接用于评估文摘提取方法的性能。因此,本文结合地理信息领域的关键概念,提出了关键概念的平均占比率、平均覆盖率以及平均M值用于评估文摘提取方法的性能。的内容通常包含与文本主题高度相关的重要信息,同时,文本的语义特征空间不仅具有低维性和低冗余性而且兼顾文本的整体信息,有助于提升文本分类性能。因此,本文结合上述摘要提取方法与自然语言处理技术,提出了基于文摘与语义协作的文本分类方法。最后,本文选取了若干新近的科研成果作为参照,进行了一系列对比实验。实验结果表明本文提出的文本分类方法、文摘提取及评估方法在性能上有了进一步的提升。