各类房产资讯是一个大数据,无时无刻的影响着这个时代。为了适应人们阅读信息的不同需求,将房产资讯进行细分能够使不同需求的人群得到不同的资讯内容,不错过所关心的内容,同时也为了使文本分类能够更加适应实际项目的要求,本文研究设计了基于增量集成学习的房产资讯数据的分类系统。首先,研究与实现了房产资讯数据的搜集和预处理。设计与实现了房产资讯的采集系统,该系统对国内主要的房产资讯网站的数据进行了搜集。该系统能够对每个网站的采集进行可视化管理,并且可以实时对采集得到数据进行查询。在增量式的数据搜集同时,设计与实现了房产资讯数据预处理系统,实现了文本的分词、文本向量空间模型转化和降维等,为房产资讯的近一步分析打下基础。其次,研究与实现了房产资讯分类模型。房产资讯分类属于文本分类的范畴,可选的模型及算法有上百种,在研究了近期的数十种模型的基础上,确定使用增量集成模型思路进行房产资讯分类。该模型思路主要分为三个步骤:第一,使用多个基分类器对房产资讯数据进行分类;第二,对多个基分类的结果进行集成学习,得到最终结果;第三,房产资讯数据每天都在新增,为了使分类模型实时更新,提出了增量集成学习分类算法,该算法将通过自适应投票的机制将实际数据中对于分类区分度较好的数据保留下来,以用于对集成算法中各基分类器的训练,更新基分类器的同时对于各基分类器的权重进行更新,从而提高集成算法对于最新房产资讯的分类效果。最后,设计与实现了房产资讯分类的三个实验。第一,利用潜在语义空间模型做维度对比实验,在维度的复杂性和算法的资源占用的方面找到了适合房产资讯数据的最佳维度值;第二,利用进行了基分类器的选择实验,在四个文本分类算法中找到了相对最优的三个基分类器;第三,利用上面两个实验结果实现了改进的增量集成学习算法,并通过对比实验证明准确率得到了提高。