文本分类是文本挖掘的基础与核心,是近年来数据挖掘和网络挖掘的一个研究热点,在传统的情报检索、网站索引体系结构的建立和Web信息检索等方面占有重要地位。本文首先对当前文本分类领域几个关键问题的常用方法进行了研究,同时阐述了典型文本分类系统的核心技术和系统结构,对文本分类的应用范围进行了描述。然后着重介绍了本文提出的一个基于语义概念的中文文本分类系统,重点阐述了文本预处理、特征提取、特征语义概念降维和排歧、特征的向量空间表示和分类器的训练等技术的实现方法。在基于语义概念的中文文本分类系统中,第一步是对文档进行预处理,包括分词标注,去停用词,从文本中抽出特征词并且统计各特征词的词频。系统的重点是特征的语义概念降维和排歧,语义概念分析方法可以看作是一种扩展的向量空间模型方法,通过结合Hownet对词所表示的概念进行排歧和降维,尽量达到词与词之间的正交性,将文本的关键词用更小的语义空间进行表示,使得在新的生成的语义空间中的相关文本更为接近。系统使用SVM分类器对文本进行分类。SVM是目前较为流行的,快速分类方法。在文本训练的时候,利用标记好的训练文本集进行训练,得到固定的分类知识存储。而在文本分类的时候,输入待分类文档的特征向量,运行固定的分类存储知识,得到分类结果。最后对基于语义概念的中文文本分类系统进行了封闭性的测试,实验表明该方法具有较高的精确率和召回率。