文本分类是数据挖掘研究的一个热点,支持向量机分类方法在文本分类中表现出了良好的性能。但是支持向量机是针对两类分类问题提出的,而在实际应用中多类分类问题更为普遍,如何将它推广到多类分类一直是重要研究内容之一。本文对已有算法进行了深入研究,在传统算法的基础上,结合了本体知识,给出了一种新的基于概念向量的树型支持向量机多类分类方法,并加以实现,与其它方法作一比较。与传统方法抽取关键词构成向量不同,该方法抽取的是概念向量。训练时,先对训练数据进行两类聚类,构造二值SVM分类器,层层进行下去,形成一棵二叉树的结构。对测试数据进行分类的时候,从树根开始调用二值分类器,直到到达叶结点。实验表明,使用概念向量进行聚类和分类提高了准确率。在本实验中,分类正确率提高了2%左右。而且,由于维数的降低,聚类速度和训练速度都得到了提高。