随着信息技术尤其是互联网相关技术的发展与成熟，这种开放的、自由的数据共享和流动方式造成了巨大的信息积累。一方面，人们渴望能够掌握足够充分的信息；但是另一方面，想要快速而且高效地从海量的、杂乱的数据中获取所需要的信息正在变得越来越困难，出现所谓的“信息迷向”的现象。大规模层面上的文本处理越来越成为一个难题，因此，社会迫切需要一种大规模的文本信息处理手段，文本自动分类技术为大规模信息处理提供了技术支持。本文在对比了国内外文本分类技术发展现状的基础上，详细地介绍了基于向量空间模型的文本分类方法中的关键技术，针对影响中文文本分类结果的几个关键因素作出了分析。为了解决中文文本分词之后形成的特征空间存在的高纬度和稀疏性问题，本文提出了一种四维向量空间模型，利用支持向量机算法（SVM）设计相应实验验证该模型的有效性。同时，本文通过改进传统的特征权值计算公式，设计了一种中文类别词典（SCC-Dict）自动构建的方法，解决了在缺少专家经验时基于类别词典分词法无法进行的问题。在类别词典自动构建法以及中文文本四维向量空间模型的基础上，本文设计并实现了一个面向新闻的中文本分类系统。该系统主要包含存储模块、文本预处理模块、分词模块、SCC-Dict构建模块、向量映射模块和分类模块。系统设计为动态形式，即面对每一次分类过程，利用实时信息来新建分类器，而不依赖于以往的模型和陈旧的样本。最后，通过实验表明文本所采用的分类方法在分类准确率和分类速度上均有一定的提高，该方法已经被应用于实际工程项目。