随着Internet和信息技术的快速发展，大量的半结构化和非结构化信息量的急剧增加，如何在最短的时间内获取自己所需要的信息已成为当前我们迫切需要解决的问题。目前，专利技术已成为国家或地区间竞争力的核心，面对海量的专利信息，如何利用文本分类技术来对这些专利信息分类已成为大势所趋。首先，本文介绍了文本分类的研究现状以及专利分类背景。其次，系统介绍了文本分类的关键技术和各种分类算法，以及各种分类算法在不同领域中的应用。目前，在众多分类器当中，KNN分类器相对于其他分类器分类效果较好，但是其依旧存在一些缺点，诸如分类速度慢、分类精度低下等。为了克服KNN分类算法的诸缺点，本文提出了优化的KNN算法分类器，该分类模块由训练、分类以及评价三部分组成。优化的KNN算法采用基于簇的原始空间模型对训练集进行处理，首先将训练集中相似的文本形成一簇，把每一簇看作是一个普通文本，计算每一簇的中心向量，再设定一个阈值，对高于该阈值的簇进行管理，并重新形成训练集。该分类算法在尽量保存原始文本信息的基础上，根据文本稀疏性特点，本文采用压缩表示模型的思想，然后做距离的计算,最后将待测文本归属所属的类别。这种分类算法不仅减少计算量，而且提高了KNN分类器的分类速度以及分类精度。最后本文通过专利分类的实验，对优化KNN算法在专利分类运算速率、正确率、错误率以及召回率方面作评估，验证了优化KNN算法较传统KNN算法在分类效果上有一定程度的提高。