1、隨著計算機網絡的不斷發(fā)展，實時共享網絡資源已經成為可能，但是同時也帶來了海量的信息資源。為了能夠從海量紛雜的文本信息中及時準確地獲取有效的知識和信息，人們開始關注文本分類技術。文本分類技術可以在很大程度上解決信息雜亂問題，方便用戶準確地定位所需要的信息。
　　本文探討了文本分類的一些關鍵技術，包括文本表示、文本預處理、特征選擇、特征詞加權計算、文本分類算法、性能評價。其中，特征詞加權算法和KNN分類算法是文本分類過程中兩個比較重要

2、的問題，本文圍繞這兩個問題進行研究。
　　本文首先闡述了常用的特征詞加權算法，著重研究了傳統的tf*idf加權算法，分析該加權算法存在的不足，即只考慮特征詞頻率tf和反文檔頻率idf兩種因素，而忽視了特征詞本身的特點。在傳統的tf*idf加權算法的基礎上，本文分析了特征詞的一些特點，比如特征詞在文檔中的位置分布情況、特征詞的詞語長度和所屬的類別，綜合考慮了這幾種因素之后，提出多元權重特征加權算法，將原有公式進行了擴展，使得經過加權