即时通讯技术的发展以及信息技术的普及促进了手机短信、基于互联网和手机短信息的客户评论等短文本信息处理技术的发展,同时短文本处理技术的发展和实际应用又息息相关,它在信息安全、客户评论反馈等领域都存在着实际的需求,使中文短文本分类问题成为一个重要的研究方向。　　 由于短文本所描述概念信号弱的特性,现有的对长文本分类性能好的分类技术用于短文本时分类器性能变坏。短文本分类的可行途径是利用外部资源中的额外信息来辅助分类,以弥补短文本的固有缺陷。关联规则挖掘算法正好可以在一定程度上解决短文本知识发现的问题。本文利用关联规则挖掘算法,就中文短文本中共现关系的挖掘、特征的扩展进行了研究。主要工作如下:　　 (1)提出一种基于测试文本特征扩展的短文本分类方法。该方法将短文本视作事务,将特征词视作项,利用FP-Growth算法挖掘训练集特征项中的共现关系,创建特征共现集作为扩展词表。在分类阶段,先根据特征共现集把测试文本中的特征的共现词作为特征补充进来,然后再进行分类。　　 (2)提出一种基于训练文本特征扩展的短文本分类方法。该方法与(1)中方法基于相同的扩展词表,但是扩展方法不同。在没有引入新的特征的前提下,在训练阶段用一种基于共现关系的特征权重调整方法实现训练文本特征扩展。　　 实验结果表明,这两种方法具有较高的分类性能,其微平均F1和宏平均F1值都高于常规的文本分类方法,在一定程度上解决短文本所描述概念信号弱的问题。