随着勘探门户新闻数据量的提升,新闻内容的复杂度增加,导致传统人工进行新闻分类的的方法效率越来越低,并且人工进行新闻分类很容易受到主观因素的影响,使得分类的准确程度不高。这种传统的人工新闻分类方法已经不能满足需求,因此,需要研究一种适用于勘探门户新闻的自动分类方法来解决现存问题。而基于机器学习的方法能够实现勘探门户新闻的自动分类,改善人工进行新闻分类的不足之处。本文深入分析了勘探门户新闻文本特点,在研究了机器学习在文本分类中关键技术的基础上,通过实验对比了几种在新闻文本分类中的常用技术,选择了一套适用于勘探门户新闻自动分类的方法,提出了基于机器学习的勘探门户新闻自动分类系统的设计思路与总体设计方案。首先对新闻文本进行预处理,然后采用CHI的方法进行特征提取,接着使用TF-IDF进行特征的权重计算,然后使用SVM分类算法来建立分类模型。本文对于中国石油勘探与分公司门户,设计并开发了基于机器学习的勘探门户新闻分类系统。通过该系统,从新闻源处获取的新闻可以自动被分类到其所属的类别中。实验结果显示,使用该分类系统对勘探门户新闻分类准确率达到了85.7%,实现了对勘探门户新闻的自动分类,提高了分类效率,降低了企业成本,使分类的准确程度获得了较大的提升。