目前,文本自动分类是信息检索领域中的研究热点之一,传统的文本分类方法是采用词作为特征构建特征向量,但是文本中词的数量非常大,导致了特征向量空间的维数非常高,因此需要对文本进行降维。目前降维技术主要有两种:特征选择和特征抽取重构。本文所采用的潜在语义索引(Latent Semantic Indexing,LSI)是一种特征抽取方法,可以将特征词空间映射到低维的语义空间,达到明显的降维效果。目前,潜在语义索引广泛应用于信息检索领域,由于LSI在降低维数的同时忽略了样本的类别信息,是一种完全无监督的降维方式,因此,不能起到优化类别区分能力的作用。近年来出现了很多对LSI的改进,如局部潜在语义索引模型(Local Latent Semantic Indexing,LLSI)和有监督的潜在语义索引模型(Supervised Latent Semantic Indexing,SLSI)等。它们将文本的类别信息加入到了潜在语义空间中,进而改善了文本分类的精度。本文在各种LSI模型的基础上,提出了一种新的潜在语义索引模型——潜在语义索引差异模型(Difference Latent Semantic Indexing,DLSI)。介绍了潜在语义差异模型的原理,并借助SVM文本分类算法与其他经典的潜在语义索引模型进行了性能比较。实验证明,DLSI具有良好的分类有效性和准确度,尤其在英文文本的分类实验中,分类精度比其他模型有明显提高。本文的创新点之处有:1)在各种潜在语义索引模型的基础上,提出了一种新的潜在语义索引模型——潜在语义差异模型DLSI;2)对比了各种LSI模型对英文文本的分类性能,验证了DLSI模型的分类有效性。