现如今,医疗器械成为医院正常运行的重要组成部分,各类医疗器械成为医生的得力助手。然而,医疗器械的故障是经常发生的事情,给医院带来了巨大的损失,给病人带来了不便。面对这样一个困难,作者希望有智能化的过程对医疗器械故障进行处理。因此本文将文本自动分类技术引入医疗器械故障诊断领域,实现对文本的自动分类。论文以短文本的特点,短文本分类的特点、应用前景为切入点展开叙述,引入本文研究的重点—医疗器械故障的维修记录短文本,对此类短文本基于已有的故障类别进行文本自动分类实现。在文本挖掘中有关文本分类的算法很多,本文选择以贝叶斯算法为基础的朴素贝叶斯分类算法来实现。在短文本自动分类器的实现过程中,历经数据的采集、短文本预处理、特征词选择和提取、朴素贝叶斯算法实现,在四个不同阶段,一一克服难题,为短文本分类器的最终实现打下了坚实的数据基础。生产分类器后,利用查全率和查准率指标对生成的短文本分类器的分类效果进行测试和评估。这是文本挖掘技术在医疗器械领域的一大应用。论文进一步在故障分类基础上采用GRI关联算法对不同类别之间的关联性进行分析,这也是本论文的创新之处,通过此关联性分析结果中的置信度和支持度来挖掘、分析不同故障类别的故障之间的关联性强弱问题,期望通过此能给出一套合理的预警机制。