文本分类是处理和组织大量信息检索和文本挖掘的基础,其主要的任务就是根据预先给定的文本训练集以及文本所属类别,通过学习得出类别向量,进而通过分类模型判断出测试集文本的类别。本文在国内外研究发展现状及现有的文本分类方法的基础上,深入研究了基于本体的文本智能分类问题。本体作为知识组织和表达的手段,为人们实现文本自动分类提供了一个新思路。首先,本文建立描述影视文本的本体模型,用于实现文本的分类存储。在本体方面,从本体建模语言、本体推理机、本体构建工具的选择方面详细介绍了整个影视文本本体构建的模型。并利用Jena作为本体模型的推理机,通过自带的推理规则和自定义规则,挖掘隐含信息。其次,根据分类的工作原理,在传统的分类方式的基础上融入语义信息,构建一个基于本体的文本智能分类框架。从预处理、特征降维、Softmax分类三个方面详细介绍了整个框架。并给出文本在整个框架中的整个分类流程和评估标准。最后,在实验中介绍了上述框架构建的文本智能分类的实验环境和主要的实验设计模块。并从文本分类的准确率、召回率和F-度量值多个角度与关键词分类方法进行比较,证明文本智能分类方法的可行性与正确性,有效的提高文本在分类方面的性能。