文本分类的一般过程是首先对训练文本进行预处理，把抽取出来的特征用特征选择算法进行过滤，得到一个特征空间，然后对特征空间用分类算法学习获得一个分类器，最后分类器实现对测试文本的分类。　　 短文本分类问题是基于短文本应用领域的必须解决的具有挑战性的基础性关键问题之一。短文本具有长度短、所描述概念信号弱的固有缺陷，对于短文本由于其特征数少而使分类效果不理想的情况，本文提出了一种改进的贝叶斯网络文本分类算法，改进之处在于贝叶斯网络结构学习阶段的寻找父节点步骤，本文算法在考虑了连接强度的因素后，减少了本来不相关的两个节点被归类为父子关系的错误干扰，使为每个节点找到的父节点更加准确。一方面充分发挥贝叶斯网络考虑特征间的关联特性的优势来扩充短文本信息量不足的固有缺陷，另一方面为贝叶斯网络的构建引入了连接强度的概念，使构建贝叶斯网络结构的寻找父结点阶段的寻找准确性得到了提升，从而使短文本的分类效果得到了提升。　　 因此本文对以下两方面进行了研究，主要工作如下：　　 (1)针对短文本由于长度短而使分类性能不佳的问题，本文利用贝叶斯网络的文本分类算法进行分类，并将之与同等条件下的朴素贝叶斯分类算法进行对比。　　 (2)在普通贝叶斯网络构建时引入连接强度的概念，并分析其性能提升的原理且将普通贝叶斯网络与连接强度贝叶斯网络进行实验对比。