文本分类中特征选择的目的是通过从原始特征集合中去除分类无关特征和冗余特征,以减少文本特征向量维数,提高分类的效率和精度。传统文本特征选择方法通常引入特征之间的条件独立性假设,注重单一特征的评价,即只考虑特征和类别之间的相关性构造特征评价函数。然而,现实文本中条件独立性多数情况下难以满足,不同特征之间常常存在相关性,这使得特征子集中仍存在大量的冗余特征。本文采用“相关分析+冗余分析”的特征选择研究思路,在对特征分布信息进行分析的基础上,首先研究类别相关的特征选择方法确定初始特征子集,然后考虑特征之间的相关性去除冗余特征。特征分布信息更能够客观地反映特征与文本、特征与类别之间的关联性。本文从对三种特征分布信息概念进行定义出发,分析并量化三种特征分布信息的可能因素以及它们之间的关系,分析特征分布信息与特征相关、特征冗余之间的关系,提出了基于特征分布差异性的特征类别贡献评价方法,以及基于特征分布相似性的特征冗余评价方法。通过公共数据集进行实验验证,表明本文提出的方法可以有效地去除分类无关特征和冗余特征,提高文本分类的性能。