近年来,随着万维网的广泛应用,电子商务也渐渐引起了人们的关注。无论是供应商还是消费者,都被电子商务突破时间和空间的限制所带来的便捷所吸引。与传统的商务活动相比较,电子商务在交易形态和方式上有着许多不同,因此也带来了商品营销方式的变化。将商品高效合理的分类,是电子商务环境下销售者为顾客提供的重要的技术手段之一,为买卖双方的交易提供了极大的便利。商品自动分类技术(Product Automatic Classification)基本任务就是对一件商品,根据其内容,从预先定义好的类别集中找出一个或者多个最适合于该商品的类别。商品自动分类算法是电子商务的重要研究方向,它能在给定的分类体系下,根据商品的内容自动判别商品类别。近年来,商品分类技术已经逐渐与搜索引擎、机器学习、信息过滤等文本处理技术相结合。基于向量空间模型的商品分类算法,能依据商品的特征词将大量的商品自动分门别类,从而更好地帮助电子商务网站及用户把握商品信息,有效地提高了商品分类的质量。商品自动分类技术从开始出现到现在,经历了从基于规则到基于统计分类,再到规则和统计相结合的一个过程。本文的研究内容主要有以下几个方面:首先,本文对商品分类的国内外研究现状进行了分析和总结,并提出了本文研究的主要内容。接着详细介绍了基于向量空间模型的商品分类系统所涉及到的一些技术,包括商品分类原理和模型、商品特征选择、常用商品分类算法和评估方法等。论文介绍了传统的树状结构商品分类模型,提出了改进的DAP模型表示法。然后,论文对传统的基于向量空间模型的AutoCat算法进行了分析,针对该算法的不足,提出了引入多元词组紧密度的基于向量空间模型的商品分类算法,最后通过实验验证了算法的有效性。