在数据挖掘中,分类是一种重要的技术,它能对大量有关数据进行分析、学习,并建立相应问题领域中的分类模型。该技术在科学、工程、金融等领域均有广泛的应用。本文介绍了文本分类中文档的表示方法,对高频词表示文档的词频统计算法进行了深入的研究,分析了目前算法存在的问题,提出了一种树结构词频统计方法,实现了多关键词的高效匹配,并在此基础上实现了一个词频统计器,利用它可以快捷的将文本表示为高频词的集合,方便实现文本分类。在对各种经典的分类算法研究的基础上,着重对贝叶斯网络分类算法进行了研究,详细阐述了朴素贝叶斯分类算法的相关理论,并在其基础上提出了一种建立属性间依赖关系的方案,实现了一个基于属性依赖的贝叶斯分类器,较好的解决了朴素贝叶斯分类中属性独立性假设所带来的弊端。利用树结构词频统计算法得到的实验数据,对决策树、向量空间模型、朴素贝叶斯分类和属性依赖贝叶斯分类进行了实验比对,分析了各个方法的优缺点。实验结果表明,属性依赖贝叶斯方法有较好的分类性能。