当前,随着计算机技术的不断普及以及互联网的快速发展,人们可以接触到不同行业的各种信息,这些户预先定义的不同类别中,进而帮助人们快捷、高效地找到所需要的信息。本文对新闻文本经过分词,去停用词后,得到一个词语集合,该集合包含5万多个词语。词语集合中词语数目太多会导致向量空间维数太高,以至于影响分类器的性能和效率,因此需要对词语进行特征选择,即选取对分类性能影响较大的词语。本文对特征选择方法进行了改进,第一种是对卡方统计特征选择方法进行了改进。该方法只考虑了特征词出现的文本数,而没有考虑特征词的词频,并且对于高词频的词语,需要考虑其在文本集中普遍出现的现象,因此本文引入特征词的TF-IDF权重对CHI进行了改进。第二种是对XGBoost重要性评估思想进行了研究,该思想一般用在风控领域,对属性重要性进行解释及属性选择。在风控领域迭代地选择属性进行模型训练,但是在文本分类中,文本中包含的特征词的数量很多,不可能一一进行选择。针对这种不足,本文提出了适合于文本分类的XGBoost特征选择方法。针对效率低的缺点,本文提出了采用XGBoost进行特征选择前,采用词语的权重进行筛选。其中重要性值的计算,本文采用特征词在所有树中被选作最优划分属性的次数。本文采用宏平均F1分数,准确率等多个指标对分类结果进行综合分析,通过SVM,NB和神经网络算法进行模型的训练和测试,证明CHI-TFW和XG-TI两种方法的可行性。