我们正处于一个知识经济的时代,知识正取代传统的土地、自然资源、资本和劳动力成为推动社会进步与发展的主要力量。知识经济在客观上要求有与之相适应的管理模式和理论,以及有效的技术手段。基于这个背景,本文着重研究和探讨了文本知识管理中知识树的自动构建,文本特征选择方法,并设计和实现了一个知识管理原型系统。具体来说有以下几个方面:(1)基于文本聚类方法设计了一种新的知识树构建方法。针对当前知识管理系统中知识树的创建和维护问题,设计了一种新的基于文本聚类的知识树构建方法。由于从传统的K-means和SOM等文本聚类的结果中难以提取知识树中节点对应的概念和词汇列表,本文选取概率潜在语义分析(Probabilistic Latent Semantic Analysis,简称PLSA)方法进行聚类和知识层次树构建。实验表明,新方法除了在聚类精确度上优于传统方法,聚类结果还包含文档的主题与词汇之间的概率关系,因此新方法在聚类的同时,可以方便的提取知识树上每个节点对应的概念或概念集合。(2)基于潜在语义信息提出了一种新的特征词选取方法。特征选择在文本分类中起着重要的作用。文档频率(document frequency,简称DF)、信息增益(information gain,简称IG)和CHI以及类别区分词(category - discriminating word,简称CDW)等特征选择方法在文本分类中广泛应用。上述特征选择方法基于概率统计和信息论的理论提取对分类贡献值大的词,而没有考虑词的语义信息。为此,基于词的潜在语义信息提出了一种新的文本特征选择方法。实验结果表明,新方法能有效的提高文本分类的性能。(3)基于以上工作,设计和实现了一个基于文本知识的组织知识管理系统,系统中集合了知识获取模块,知识管理模块,知识共享模块。同时,系统中提供丰富的接口供特定的组织和个人对其进行定制开发。