随着互联网的高速发展,各种电子文档飞速增长,为了有效地管理和组织这些海量信息,文本分类技术应运而生。然而,传统的监督学习算法需要标记大量的训练样本来建立满意的分类器。一方面,标记大量的训练样本是一项代价昂贵且单调枯燥的过程;另一方面,人们容易获得大量的未标记样本。当前,克服标记瓶颈问题是文本分类中的热点研究领域。为了减少人工标记样本的代价,本文提出了通过关键词和未标记样本建立分类器的新方法。首先,借助知网对关键词进行语义扩展,从未标记文档中检索相关文档;其次,从检索到的文档中,采用关联规则算法去除不相关文档,标记部分正例样本;然后,借助已标记的部分正例样本,从未标记样本中抽取更多的正例样本;最后,基于抽取出的正例样本和未标记样本建立分类器。通过与标记部分正例样本的PU学习算法对比,实验证明该方法能够建立性能较好的分类器。鉴于维基百科丰富的知识,本文提出了通过关键词和维基百科知识建立分类器的新方法。首先,通过关键词从维基百科中找出与之相关的维基百科文档;其次,通过得到的维基百科文档从未标记样本中抽取相关的正例样本;最后,基于抽取出的正例样本和未标记样本构造分类器。通过与全标记训练样本的NB学习算法和仅标记正例样本的NB-SVM学习算法对比,实验证明这种方法构建的分类器性能与全标注的NB学习算法性能相当,好于仅标注部分正例的NB-SVM学习算法性能。在现实的文本分类应用中,人们常常面对无任何标记样本的情况。本文提出的两种基于关键词的文本分类新方法不需要人工标记训练样本,比较适用于现实的文本分类应用中。本文提出的方法能提高文本分类技术的易用和实用性。