我国航天事业蓬勃发展,在日益发达的互联网、大数据和知识经济时代,为应对海量信息资源,作为知识密集型的航天从业机构,开始引入知识管理相关理论与技术,以有效挖掘、组织、管理、利用和传承领域的核心知识资源。知识获取是知识管理过程中的基础环节,而知识获取相关系统的设计实施需要诸多关键技术支撑,如信息采集、文本分类、信息抽取、知识图谱、语义网络等自然语言处理、数据挖掘相关的技术。近年来,对信息的获取与处理技术在学术界和实际应用中有了突飞猛进的发展,本文将对航天领域知识管理系统中知识获取环节的信息采集和文本自动分类两个关键技术进行应用研究。航天领域的知识信息冗杂多样,包含于相关企业及科研机构的生产研究过程中产生的大量文档,也贮藏在巨大庞杂的互联网信息资源中。针对航天领域信息的这些特点,实施有效知识管理首先迫切需要的关键技术是如何高效准确获取行业情报信息,并能有效组织管理信息,进而才能实现进一步的信息抽取、知识挖掘。对于航天情报信息的高效获取,能够在满足科研人员对航天情报数量大、专业性强、新颖及时、完整准确需求的同时,避免从庞杂异构的互联网中大海捞针,降低信息获取成本;而对于航天信息的自动分类,可以准确高效地组织已有的或获取到的杂乱无章的信息,能够帮助快速建设航天领域知识库,优化信息检索系统的信息组织结构和检索效果,满足从业人员对领域知识的进一步的挖掘需求。因此本文面向航天领域知识管理进行的信息采集与文本自动分类关键技术的应用研究具有重要的现实意义和实用价值。本文的主要研究工作如下:(1)介绍面向航天领域知识管理进行信息采集和文本分类两个关键技术应用研究的背景及意义;调研知识管理及其在航天领域应用的发展现状,信息采集和文本分类技术及其在航天领域内应用的发展现状。(2)研究基于主题爬虫的航天领域情报采集方法,设计航天情报采集主题爬虫的总体框架,实现相关程序部件,并基于主题向量空间模型和支持向量机(SVM)二类分类器两种方法实现主题判定模型,与基于关键词匹配的方法进行对比实验验证。(3)研究基于支持向量机(SVM)的航天领域文本多类分类算法,设计航天领域内不同类别信息的多类分类流程框架,并考虑航天领域特点,在特征加权阶段提出了针对性改进,针对航天领域专业术语等区分度较高的词汇增加了额外权重,以提高分类效果。实现相关程序部件,并与基于朴素贝叶斯和K近邻的文本分类算法进行对比实验。通过相关实验验证表明,本文面向航天领域知识管理的情报采集与文本分类应用研究达到预期效果,具有实际意义。其中,本文设计的基于主题爬虫的航天领域情报采集方法是可行的、高效的,能够满足实际知识管理过程中对航天领域情报的采集需求;本文设计并改进的基于支持向量机(SVM)的航天领域文本多类自动分类算法是可行的、高效的,并且相比同类算法表现更加优秀,能够满足实际知识管理过程中对航天领域文本信息的高效准确自动分类组织需求。