互联网的发展使得数据和信息呈现海量特征,文本分类作为处理和组织大量文本信息的关键方法,可以方便人们准确的找到自己需要的知识。传统的文本分类方法基本都是处理普通文本(长文本)分类,而短文本在现实世界中也是大量存在的,如web搜索片段、论坛和聊天信息、新闻供稿、书及电影的摘要、产品介绍与用户评语等。常用的短文本分类方法均是采用相似性度量或基于web核函数的方法,虽然都能达到一定的精确度,但是由于短文本的特征向量少而导致矩阵的稀疏性,故分类的效果并未达到满意的精度。随着短文本信息的爆炸式增长,短文本中所包含的隐含信息也越来越丰富,而人们对短文本中的隐含信息也越来越感兴趣,但短文本向量的稀疏性的特点加大了研究的难度,从而使得对短文本分类的要求越来越高。因此,短文本分类是文本分类中非常棘手问题,也是研究的热点问题之一。本文提出了一种基于本体的短文本分类研究的技术框架,重点研究如何将稀疏性的文本文档进行有效的信息补充,从而更好的进行短文本分类,并从中挖掘出有价值的信息。难点在于如何将短文本文档进行信息扩充,使其信息量丰富,实验结果表明本文采用的方法能够完成短文本分类,并取得了良好的效果。本体作为知识组织和知识表示的手段之一,其具有良好的概念层次和逻辑推理的支持,能够通过概念之间的关系来表达概念的语义,实现语义上的信息表示,可以很好的应用于短文本分类。而且使用基于本体的短文本分类方法,无须训练样本,可以通过本体获得语义信息并结合相似性计算来实现对短文本的自动分类。该研究具有应用价值和广泛的应用前景。