随着Internet的迅猛发展,文本信息的数量也日益增加,文本信息的自动处理也变得越来越重要。文本分类作为自然语言处理的一个基本问题,是文本信息处理中的一项主要技术,受到文本处理领域越来越多的关注。本文对文本分类技术的研究主要分为两个部分：第一部分,设计了一种基于类别核心词上下文矩阵的文本表示方法。该方法首先把在文本的标题、摘要、关键词和文章开头结尾部分出现的特征词提取为类别核心词。虽然类别核心词能比较好地表示文本的类别特征,但是却不能体现出文本的上下文关系。针对这一不足提出了类别核心词上下文矩阵,该矩阵把词条按照对类别核心词信息量大小的不同排列在矩阵的不同位置,使得上下文关系与类别核心词较好地联系起来。其次,根据词条在文章的不同位置以及类别核心词上下文矩阵中的不同位置重新进行权重计算,进而更有效的表示文本。第二部分,讨论了贝叶斯(NB)、K-近邻(KNN)、支撑向量机(SVM)这三种中文文本分类方法,并对这三种分类方法进行比较研究。