随着社会的日益信息化,人们越来越强烈地希望用自然语言同计算机交流。自然语言理解是计算机科学中的一个富有挑战性的课题,是新一代计算机的三大突破口之一,正受到世界各国广泛的重视,而文本理解属于自然语言理解的应用范畴。 当前,无论是商业企业、科研机构或者政府部门都需要处理大量的信息。如何在这浩如烟海而又纷繁芜杂的文本中最大程度地解决信息杂乱现象,方便用户定位信息、分流信息始终是信息处理的一大目标。本课题以公安执法领域中描述案情的中文文本为研究对象,探讨采用自然语言理解中文本分类的方法,实现根据文本的内容自动判别文本类别。 本文中描述了文本分类的基本原理,详细阐述了文本分类过程中各个阶段的主要算法和技术,并对此作了一些比较。文中着重介绍了文本特征提取的改进算法,并引入了信息提取中的常用技术——潜在语义分析,实现文本向量空间的降维,提高分类性能,并初步构建了一个法律文本自动分类系统。