传统的文本分类算法需要大量的标注文本,但标注大量训练文本需要艰苦而缓慢的手工劳动,从而制约了整个分类系统的构建。增量学习技术可以利用少量的已标注文本对大量的未标注文本进行标注,可以有效解决标注瓶颈问题,因此逐渐引起人们的关注。由于贝叶斯方法能够充分利用先验知识,使它成为增量式文本分类的重要选择。基于0-1分类损失的增量贝叶斯分类算法是通过计算测试集中文本的分类损失大小来确定新增训练集中文本加入到原始训练集的顺序。但该算法存在下述三个问题:首先,噪音数据影响分类器精度的问题。由于当前分类器存在知识储备不足等因素而容易产生噪音数据,一旦这些噪音数据被过早地加入到原始训练集中,就会降低当前分类器的性能,进而影响整体分类精度。其次,新增训练集的规模影响增量学习效率的问题。当新增训练集规模过大时会增加增量学习时间。因此在处理大规模新增训练集时,如何提高效率成为增量学习的一个重要问题。此外,如何利用新增训练集中有用知识的问题。新增训练集中存在一种有用知识——具有高度相似性的文本,把这些文本作为一个整体来处理,它能够有效改善增量学习的性能。针对以上问题,本文提出的基于序列选择增量贝叶斯分类算法,该算法既通过选择合理的增量学习序列解决噪音数据影响分类器精度的问题,又通过基于划分的思想对新增训练集进行分割解决新增训练集规模影响增量学习效率的问题;还提出了基于快速聚类的增量贝叶斯分类算法来解决新增训练集中有用知识的利用问题,即通过近邻传播算法对新增训练集中的高度相似文本进行聚类,实现增量学习过程中的批量学习,从而显著提高了增量学习的效率。最后通过实验验证这些算法的有效性。