随着互联网的快速发展,Web上的电子文本急剧增长,人们可以十分轻松的获得大量的文本数据。但大多数互联网上的文本数据的质量比较低,这使得数据的利用价值大打折扣。文本挖掘致力于产生高质量的文本信息,因而被广泛研究。本文在介绍文本挖掘基本理论框架的基础上,重点研究了文本挖掘中的文本表示和术语识别两项关键技术。针对文本表示技术,本文首先介绍目前应用最广泛的向量空间模型,并指出其缺乏语义表示的不足；然后通过建模文本中的词共现现象,提出一种结合词共现因子的语义向量空间模型；最后在文本分类实验上证明了提出模型的有效性。针对术语识别技术,本文首先介绍目前常用的术语识别方法,并指出基于机器学习的术语识别方法的优势：然后介绍机器学习中的条件随机场算法理论,并指出基于条件随机场算法的单模型术语识别方法的不足；再后通过引入交叉验证的思想,提出一种基于条件随机场算法的多模型术语识别方法；最后针对林业领域的语料进行术语识别实验,证明了提出方法的有效性。