1、為了能夠從數(shù)量眾多的文本中提取出有用的信息，必需對采集的大量的文本進(jìn)行處理和分析。使用計算機(jī)對文本做各種分析，就要把用自然語言書寫的文本轉(zhuǎn)變?yōu)閿?shù)字化的文本，并且要保留原文本的信息，即將文本的特征提取出來，構(gòu)建對應(yīng)的數(shù)學(xué)模型，來表征原始文本。
　　本文先對自然語言處理的有關(guān)技術(shù)進(jìn)行了研究，并以此為基礎(chǔ)，對特征提取方法進(jìn)行了著重研究，受WordNet相關(guān)知識啟發(fā)，提出了新的基于詞性的特征提取方法，實驗結(jié)果證明本文提出的基于詞性的特征提

2、取方法應(yīng)用于文本分析，具有良好的效果。本文主要的研究工作如下：
　?。?）作為文本分析的前提，研究分詞及詞性標(biāo)注相關(guān)算法。中文分詞是中文文本分析的前提，詞性標(biāo)注是根據(jù)詞的特點將詞劃分為不同的類別，詞性也可以作為文本的特征，用于文本分析。
　?。?）本文從詞性出發(fā)，以句子的詞性序列為基礎(chǔ)，結(jié)合正態(tài)分布模型，設(shè)計一種算法對兩個句子的結(jié)構(gòu)相似度進(jìn)行計算，并進(jìn)行相關(guān)實驗。
　?。?）提出了一種基于詞性狀態(tài)轉(zhuǎn)移的文本分類方法。根