短文本分类问题是短文本应用领域中亟待解决的问题,也是具有挑战性的关键问题之一,具有重要的应用前景。由于短文本自身长度较短的特点,其描述概念能力弱,缺乏一定的语义关系,因而文本分类中常用的方法对短文本的分类缺乏一定的适用性。　　 针对上述问题并结合现有研究成果,本文引入外部资源中的额外信息来增加短文本间的语义关系,提出了利用领域词语本体进行短文本分类的原理模型,从而实现短文本的分类。　　 该模型主要包括以下几个部分:首先,在短文本中抽取领域高频词并将其作为初始特征词；其次,借助知网相关知识将特征词扩展为概念和义元,将获取的领域词语本体作为分类的特征词库。该方法较多的考虑了词与词之间的语义关系,因而能够在一定程度上弥补短文本信息量少的缺陷,并且构建的领域词语本体框架,能够更深层次的考虑和扩展语义关系,有利于复用和更新；再次,在分类过程中,提出了一种基于本体语义相关度比较的分类算法进行短文本分类,该方法更有效地利用了更多的语义信息进行分类,克服了传统分类器依据词的概率进行单纯的词的匹配而缺乏语义的缺陷；最后,通过对大量的短文本进行实验,结果表明,本文方法在短文本分类的准确率和召回率方面有一定的提高,具有一定的可行性。