随着信息技术的不断发展，特别是Internet应用的普及，电子文本信息急剧增加。如何有效地组织和管理这些海量信息，并且能够快速、准确地获得用户所需要的信息是当今信息技术领域的一大挑战。文本分类作为处理和组织大量文本数据的关键技术，可以在较大程度上解决信息杂乱的现象，方便用户准确地定位所需的信息。文本分类技术在生活中起着越来越重要的作用，成为信息检索领域中最前沿的研究热点之一。 文本自动分类是在给定的分类体系下，对未知类别的文本进行自动处理，根据文本特征来判断其所属类别的过程。本文首先介绍了文本自动分类在国内外的研究现状；其次对文本自动分类的相关技术，包括中文分词技术、特征选择、文本表示以及关键的分类算法，并分别进行了研究和探索，特别对几种不同的特征选择方法进行了研究。遗传算法是模拟生物在自然环境中的遗传和进化过程而形成的一种全局优化概率搜索算法，具有简单、通用、稳健等特性。本文深入研究了遗传算法，并在降低特征向量维数方面将其引入到特征选择中。 分类器是文本分类的另一个重要环节。朴素贝叶斯分类器由于计算高效、精确度高，并具有坚实的理论基础而得到广泛的应用。本文使用朴素贝叶斯作为分类器，设计并实现了一个文本分类系统，该系统包括：①文本预处理模块，对文本进行分词、停用词过滤等；②特征选择模块，实现了文档频率、信息增益、互信息、卡方统计等特征选择算法；③文本表示模块，采用向量空间模型来表示文本，其中特征项权重采用TFIDF公式计算；④分类器算法模块，实现了朴素贝叶斯分类算法；⑤分类器评价模块，对分类器从查全率、查准率和F1值等方面进行评价。接着利用该系统进行了几个实验，包括基于遗传算法的特征选择方法的分类效果测试，朴素贝叶斯算法下常用的特征选择算法对分类效果的影响，同一语料库下朴素贝叶斯算法和支持向量机算法的比较这三个实验。并通过这些实验测试了系统的性能，验证了算法的有效性。最后对文本分类的未来研究方向进行展望。