互联网的飞速发展导致了网络中的文本数据也随之迅速增长,因此如何高效处理这些文本信息成为一个重要的研究课题。而自动分类技术作为文本信息处理中的一个重要环节引起了人们的广泛关注。文本分类能够处理大量的文本,可以较大程度解决信息紊乱的现状,方便用户准确地定位所需要的信息。本文的目的是开发一套基于语义网的文本分类系统作为信息检索、信息过滤、搜索引擎、文本数据库、数字化图书馆等领域的技术基础,有着广泛的应用前景。本文对文本分类在语义网中的应用进行了研究。在对文本特征提取的过程中,往往是名词和动词更能代表文档类别的信息,所以采取词性的特征提取方法能有效的降低特征向量的维度,特征词提取后统计特征词出现次数,以获得特征词权重。把文本用RDF规则表示成三元组的形式来描述网页上的各种信息和它们之间的关联,这项工作是后续处理的基础,具有重要意义。本文分析了传统KNN算法的不足之处是对样例库存储的数量依赖性较强,为了解决这一问题在KNN算法中加入权重,其意义在于主要部分起到的作用比次要部分的作用更大。基于语义网的文本分类系统能够更好的运用语义之间的关系进行准确的分类,本文提出了一种基于语义网的文本分类模型。本文选用了六个类来验证实验结果,分别为计算机类、植物类、动物类、饮食类、体育类、军事类等。最后,采用Microsoft VisualC++6.0作为开发平台完成了对文本分类系统的研发。分析和实验表明,本文所采用的特征提取方法能够很好的降低特征向量的维度,对选取的文本进行了实验,实验结果表明本文提出的算法能够更好的对文本进行分类,对大型网站新闻分类具有较强的辅助作用。