随着Internet的快速发展,Web已成为全球性的、巨大的、分布和共享的信息空间,它为人们搜索信息提供了一种新的手段。但随着Internet上信息量的爆炸式增加,信息搜索时,与特定用户要求不大相关的信息大量涌现,甚至掩盖了对用户真正有用的信息。在这繁杂的信息中,如何快速地找到用户需要的信息以及有效地利用这些信息,文本分类起着非常重要的作用,它可以有效地组织和管理这些信息,从而提高信息搜索的效率。本文首先介绍了文本自动分类在国内外的研究现状;其次对文本自动分类所涉及的关键技术,包括文本表示模型、中文分词方法、特征选择以及关键的分类算法,分别进行了研究和探索;重点针对中文分词技术,再次提出了关键词集抽取算法,实验表明,我们的抽取系统基本上能将命名实体切出来;接下来介绍了基于信息熵的文本分类系统的总体框架,应用信息熵理论,提出了一种文本分类的新方法。该方法利用熵来度量新文本对于已分类文本集合的贡献大小,并以此熵值来判断文本归属的类,最后设计并验证了基于信息熵的文本分类模型。实验结果表明基于信息熵的文本分类模型是一种比较稳定的算法,证明了算法的有效性。