随着科技的进步,科技创新越来越受重视,但目前科技项目评审缺乏科技创新参考指标,因此需要对以往科技项目创新性指标进行分类,提高科技项目评审的质量。采用传统的基于向量空间模型的方法不能满足查全率和查准率的需要,因此论文给出潜在语义索引的文本分类模型,以提高查全率和查准率。本文在潜在语音索引/奇异值分解的基础上,分析奇异值分解方法在实际分类中所存在的问题,引入偏最小二乘法来替代奇异值分解方法。通过对全局潜在语义索引分类模型的实验,发现该分类模型整体上具有良好的分类稳定性和准确度。但是这种全局潜在语义索引分类模型对稀有类别的分类效果比较差,为此,进一步引入局部潜在语义索引分类模型。同时为了进一步降低存局部潜在语义分类的存储空间的开销,采用半离散分解方法替代奇异值分解方法。通过实验,发现局部潜在语义模型能很好地解决了稀有类别的分类问题,并且全部类别的查全率和查准率都有一定的提高。实验语料采用标准中文语料和科技项目信息语料两种语料,以提高分类模型上的通用性。本文在潜在语义索引的基础上,通过对全局潜在语义分类模型和局部潜在语义分类模型的研究,发现潜在语义索引能一定程度上提高文本分类的性能。