现如今各大企业为了更好地适应市场竞争,更全面地满足客户需求,纷纷将企业的重心转向客户服务,并通过不断提升自身服务来提高客户满意度。而客户抱怨与客户投诉是企业发现自身不足与问题的一个重要途径,也是企业提升自身服务与客户满意度的一个重要方向。但是目前大部分企业在处理客户投诉问题时,主要还是以人工鉴别、分类的方式为主。这种方式不仅效率低、成本高、结果一致性不高,而且很难发现分类过程中出现的投诉新类别。如果不能够及时、准确地处理客户投诉问题,可能会给相关部门的后续处理与决策带来影响,甚至给企业造成不可估量的损失。因此,如何及时、准确地对客户投诉问题进行分类并识别其中的新类别,已经成为一个亟需解决的问题。本文旨在构建一个业务投诉文本分类模型,并能够识别分类过程中出现的新类别。首先,从投诉问题分类的背景出发,介绍了文本分类的相关概念以及国内外关于文本分类的相关技术,总结了当前分类方法的优点与不足。通过对业务投诉内容的分析与总结,提出二维分类体系,将业务投诉文本分类体系划分为业务维度和生命周期维度。并在业务维度上构建分类与新类识别模型,在生命周期维度上构建分类模型。其次,针对传统卡方统计方法偏向于选择出负相关低频噪音词的不足,对其进行改进,通过降低负相关低频词在特征选择算法中的权重,减小其对模型的影响。再次,在支持向量数据描述的基础上,考虑了新特征的出现对模型的影响,提出一种基于特征增量的新类识别方法。通过扩大模型特征空间来提高模型对新类的识别能力。最后,对某省通信公司的业务投诉文本进行实证研究,实证结果表明该模型和方法是有效的,能有效地对业务投诉工单进行分类,且具有更强的新类识别能力,能更好地识别分类过程中出现的新类。