随着Internet的大规模普及，信息量迅速增长，用户要在海量的信息中找到自己所需要的信息，就像大海捞针一样困难。如何从大量繁杂的文本信息中获取有用的信息?文本分类就是实现它的最重要的方法之一。文本分类和特征选择方法是文本挖掘的两个重要的研究方向。 文本特征选择是文本分类过程中的一个重要环节，它直接影响文本分类的查准率。本文在全面分析文本分类特征选择方法的基础上，重点研究了基于χ2统计的特征选择方法，发现传统的χ2统计方法有如下缺点：1)只考虑了特征在所有文档出现的文档频数，没有考虑特征在某一文档中出现的文档频率，因此对文档频率低的特征词不可靠。在类内部的文档中，如果特征词在少量文档中频繁出现很有可能对分类的贡献很大，比如专指概念，显然这样的特征词能够很好代表这个类的特征，然而传统的χ2统计方法没有考虑这种情况；2)当特征词在其他类出现频率比较高，在指定类出现频率比较低时，在传统的统计方法中，仍然会将这些特征词作为该类的特征项。但是，这样的特征词很明显不能够代表这个指定类，不应该作为该指定类的的特征项。 针对传统的χ2统计方法存在的缺陷，通过引入文档内频度、类内正确度等指标对传统的χ2统计方法进行改进，解决了对低频词不可靠等问题。本文的另外一个工作是，构造出了一个集分词、特征选择、分类于一体的中文文本分类系统。该系统的分词、特征选择、分类3个模块之间相互独立但它们之间的接口是统一的。也就是说各个模块可以很方便地调用其它模块，某一模块所作的修改对其它模块是透明的，对任何一个模块进行改进时不会引起其他模块的变动。 对比实验结果表明本文方法的整体混淆矩阵、总体查全率、查准率、F1值以及各个类的查全率、查准率、F1值与传统方法、已有改进方法相比都有明显提高。