分类作为人类认识世界的一种重要认知手段已经存在很长时间。计算机的问世与普及使用，使得分类成为计算机及相关领域的研究重点，特别是Internet出现以后，在线文本文档剧增，文本的分类就成为广泛关注和研究的关键技术之一。文本分类的一个重要应用领域是数字图书馆。目前，数字图书馆正成为全球范围内信息基础设施建设的热点领域，是二十一世纪全球文化与科技竞争的焦点之一，而数字图书馆建设的基础是元数据的组织和建设。元数据是关于数据的结构化数据，为数字图书馆提供了一种精确描述数据内容、语义和服务的机制。本文就文本分类及其在数字图书馆中的应用进行研究，主要涉及以下4个问题：训练文档的支持向量预抽取、文本特征评估、元数据自动抽取、知识本体元数据。1．定义了凸包相对边界向量方法，获取凸包边界上的边界向量，然后依此边界向量为训练样本来求解支持向量，简化求解二次规划的运算量，从而有效提高支持向量机的训练速度。2．定义了文本特征评估方法，找出类别的重要特征和噪音特征，然后根据分类结果评估测试样本和训练样本的质量，优化和扩充文本库，逐步提高学习样本的质量、扩大文本库的范围，并根据样本质量修改样本在分类模型中的权重，提高分类系统的性能及其对不断变化的外界的适应性。3．定义了元数据的抽取策略与抽取规则。在信息抽取的研究领域，有两条主要的技术路线：基于规则的路线与基于统计模型的路线。基于规则的主要思路是通过分类文本的特征、结构等信息，寻找到一些用于抽取的规则。基于统计模型的基本思想是寻找一个合适的模型，通过改变模型的参数和训练样本集合来达到对应用领域的适应。4．提出了数字图书馆元数据的知识本体。元数据提供数字图书馆的语义基础，使资源有了基本的微观结构，但是元数据并不能完全解决信息系统的语义异构问题，而本体能够对这些情况进行很好地描述，从而为信息的组织、管理以及检索、查询提供模型和方法。