随着网络时代的来临,大量的文本信息亟待处理,文本处理的研究越来越重要。目前,大多数文本处理方法都是基于机器学习的,在机器学习中,样本是影响学习效果的关键因素。然而,由于缺乏较为可靠的和高效的处理方法,难以对文本进行自动化的标记,因此导致了高质量的样本难以获取,代价极高。针对这一问题,本文提出了基于维基百科的文本样本扩展方法。该方法充分利用了维基百科数据的语义信息和结构化特点,通过对已标注样本数据和维基百科条目之间的相关度计算,结合条目之间的链接关系扩展样本,提高了样本扩展的效率和文本处理应用的性能。本文的主要工作和创新点如下:1)面向维基百科数据条目的语义特点,根据主题信息和文本度量语义相关度,提出了一种主题信息相关度算法TIC。2)根据维基百科数据条目之间的结构特点,量化维基百科中链接和语义之间的关系,提出了一种链接语义相关度算法LSC。3)根据上述两种相关度计算方法,提出了三种样本扩展的方法——基于主题的扩展WSE-T、基于链接的扩展WSE-L,以及基于主题和链接的扩展WSE-TL方法。4)将本文的三种样本扩展方法应用于文本分类和文本聚类应用上,并同半监督和监督的学习方法相比较。从扩展的数量、测试数据集、类别数量以及模型的角度实验和分析,结果表明本文的样本扩展方法有效地提升了文本处理的性能。