传统的信息检索一般以整篇文档为基本处理单位，隐性假设一篇文档主要讨论一个主题。而当人们的检索需求从最初的检索信息源头，发展到希望能够直接获得相关知识或答案，这样的检索粒度已不能满足人们的期望。为了提高检索效果，研究人员考虑使用文本分割技术，自动识别和划分文本的子主题结构，将语义段落作为文本处理单位，从而提供更好的检索结果。 本文介绍了文本分割技术的背景、含义、发展和国内外研究现状，对当前文本分割领域的典型方法进行了分析与比较，并对文本分割技术的几种评价指标进行了总结。在此基础上，本文基于文本分割经典算法TeXtTiling，借鉴相关研究成果，引入词汇语义知识，使用知网(Hownet)作为知识词典，提出TextTiling改进算法，试图提高分割算法中相似度计算模块的效果。 为验证改进算法的效果，本文构造了一个含有不同类型文本的试验语料库，对目前几种典型的文本分割算法以及TeXtTiling改进算法的试验结果进行比较分析，结合试验结果，对算法进行了进一步讨论，提出了算法存在的不足与改进措施。 同时，本文也对分割后的文本片断内容表征做进一步的探讨。尝试引入语汇信息，使用《同义词词林》词典，利用同义词/相关词与分割过程中析出的最大组合词簇形成主题