1、隨著網(wǎng)絡(luò)應(yīng)用的飛速發(fā)展和大規(guī)模數(shù)據(jù)倉庫技術(shù)的廣泛應(yīng)用，人們?cè)絹碓饺菀撰@得來自各個(gè)方面的大量信息。與此同時(shí)卻也面對(duì)著“數(shù)據(jù)豐富，但信息貧乏”的挑戰(zhàn)。因此人們迫切需要可以從海量的數(shù)據(jù)信息中發(fā)現(xiàn)有用的規(guī)律和有價(jià)值的知識(shí)的方法和工具。數(shù)據(jù)挖掘和知識(shí)發(fā)現(xiàn)技術(shù)的產(chǎn)生正是順應(yīng)了這個(gè)需求，并正以強(qiáng)大的生命力蓬勃發(fā)展，成為數(shù)據(jù)庫研究的一個(gè)新領(lǐng)域。文本分類作為處理和組織大量文本數(shù)據(jù)的關(guān)鍵技術(shù)，是數(shù)據(jù)挖掘研究的一個(gè)重點(diǎn)和熱點(diǎn)。文本分類技術(shù)可以在很大程度上解決

2、信息混亂問題，從而協(xié)助人們高效管理和有效利用大量文本信息。為了得到更好的文本分類性能，本文對(duì)文本分類中的關(guān)鍵技術(shù)進(jìn)行了分析總結(jié)，這些包括：文本表示模型、文本預(yù)處理、特征選擇和分類方法等。其中特別對(duì)特征選擇和貝葉斯文本分類算法作了深入的研究。在這些研究的基礎(chǔ)上本文將改進(jìn)了的特征選擇方法與改進(jìn)了的貝葉斯文本分類方法有效結(jié)合起來，實(shí)現(xiàn)了一個(gè)文本分類系統(tǒng)。最后我們做了兩組實(shí)驗(yàn)來評(píng)定系統(tǒng)的性能。本文主要研究?jī)?nèi)容如下：
　　 ⑴對(duì)文本分類過

3、程中的關(guān)鍵技術(shù)進(jìn)行了研究，包括文本表示模型、文本預(yù)處理、特征選擇、分類算法等。特別對(duì)幾種常用的文本分類方法進(jìn)行了研究。
　　 ⑵分析和討論了貝葉斯分類方法的原理，特點(diǎn)以及性能，并根據(jù)文本分類的需要，重點(diǎn)研究了樸素貝葉斯文本分類的改進(jìn)算法。
　　 ⑶由于文本數(shù)據(jù)是一種常見的高維數(shù)據(jù)，因此對(duì)其進(jìn)行有效的降維是提升貝葉斯文本分類性能的一個(gè)重要方法。特征選擇是降維的一個(gè)重要途徑，因此本文著重研究和分析了幾個(gè)不同的特征選擇方法。由