随着网络信息的迅猛发展，信息处理已经成为人们获取有用信息不可缺少的工具，文本自动分类系统是信息处理的重要研究方向。它是指在给定的分类体系下，根据文本的内容自动判别文本类别的过程。本文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，进行了研究和探讨。当前的分类系统一般以孤立的词为特征单位，对孤立的词进行抽样、特征提取、获得权重，不进行语义的处理。这是由于进行语义处理需要大量的规则库和推理机，其实现方式复杂。针对这种情形，本文提出了一种将向量空间模型和语义相结合的方式，获取特征权重，进行训练文本训练，获得分类机的模式。阐述了模型的文本分类系统的结构，并给出了评估方法和实验结果，对比了各种分类方式下的效果。本文分以下几部分内容：一：本文在第一章讲述了分本分类系统当前背景情况，文本分类的几个基本步骤和常用方法。第二章讲述了统计学习的理论，从理论上进行了探讨。第三章介绍了向量空间模型和几种特征方法的获取，最后提出了新的特征获取方法。二：第四章讲述分类学习算法，以及针对本文提出的特征获取方法的分类学习方法。并且阐述了中文分类的评比标准。第五章介绍了针对本文提出的新方法建立模型的步骤和过程。三：第六章对实验结论进行阐述，并讲述了本文方法优点和缺点，以及未来研究可以做出的改进。