在中文文本分类中,特征选择是降低特征空间维数的一种常用方式。本文在认真学习各种特征选择方法和总结前人研究成果的基础上,主要针对信息增益特征选择方法在类分布不均匀文本集上分类效果下降,互信息特征选择方法在类分布均匀文本集上分类效果低下的问题,对信息增益和互信息特征选择方法分别提出了改进的思想,同时还开发了一个中文文本分类系统。主要研究工作包括：1)分析了传统信息增益特征选择方法忽略了特征项在类间、类内分布信息的缺点,引入类内分散度、类间集中度等因素,区分与类别强相关的特征；针对传统信息增益特征选择方法没有很好的组合正相关特征和负相关特征的问题,引入比例因子来平衡特征出现和不出现时的信息量,降低在不平衡语料集上负相关特征对分类的影响,提高分类的效果。2)针对互信息特征选择方法不倾向于选择高频率特征而导致的分类效率低下的问题,引入特征与类别共现概率P(c,k)来选择与类别强相关的特征词,提高分类效率；考虑到互信息特征选择方法忽略了特征在类别内部分布的均衡程度对于分类的影响,引入了类内分散偏差来表征特征在类内部分布的均衡程度,对互信息特征选择方法进行改进。3)基于以上的分析和研究,本文实现了一个中文文本分类系统,在该中文文本分类系统中实现了常见的四种特征选择方法和文中改进的信息增益、互信息特征选择方法,然后通过实验的方式对以上算法的分类效果进行了比较和评估。该系统为进一步研究中文文本分类的相关技术提供了一个平台。