本文首先介绍了自然语言理解的一些基本概念和文本自动分类的背景,系统讨论了文本自动分类与信息检索和信息抽取等领域的紧密联系,深入研究了实现中文文本自动分类系统所涉及的各个方面的理论和技术。对文本分类中所涉及的关键技术,包括向量空间模型、特征提取、机器学习方法,进行了详细的理论阐述和算法描述,并借鉴了其他文本自动分类系统的优点,充分考虑了系统的召回率、准确率和系统可实现性。 然后,本文提出了一个文本自动分类系统的实现方案,给出了一个基于向量空间模型的文本自动分类系统的体系结构,借鉴了中科院的汉语词法分析系统ICTCLAS和概率句法分析器PROP对文本进行了分词和句法分析,使从文本抽取出的索引项更大概率的趋向于焦点词,从而提高了系统的准确率和召回率,并利用JAVA技术对中文文本自动分类系统的功能模块进行了实现。在实现过程中,对分类算法—简单向量距离分类法进行了改进,提出了阈值的概念,进一步加强了系统的分类功能。 最后,针对本系统在分类的准确率上不太理想的现状,对本课题下一步要研究的内容进行了系统地总结,并提出了自己的一些看法。