本文首先对文本分类的发展现状及存在的问题进行了系统性阐述,按文本分类的一般过程对文本分类相关技术进行了介绍和探讨。重点分析和研究了文本表示、特征选择技术以及文本分类算法等文本分类关键技术。本文较为系统地阐述了遗传算法、BP神经网络算法的基本原理,并分别就自适应遗传算法、BP神经网络学习训练和分类算法等问题加以讨论。结合遗传算法和BP神经网络的各自优点,提出了基于自适应遗传算法与BP神经网络相结合的文本分类方法,虽然BP神经网络相比于其它算法有稳定性、抗干扰性强等优点,较适合用于文本分类,但仍存在学习效率低,收敛速度慢,并易陷入局部极小点等缺点。因此,本文将遗传算法引进BP神经网络中,构建自适应遗传BP神经网络模型。但遗传算法在进化过程中,由于变异和交叉的随机性、无目的性,导致算法效率低,本文引入自适应遗传算子,控制种群进化的方向,同时探讨了多个群体遗传等问题。据此设计和实现了一个结合自适应遗传算法和BP神经网络算法的文本分类实验系统。实验结果表明,采用本文算法的文本分类方法取得了较好的分类效果。最后,对本文取得的成果以及不足进行了总结,并对下一步的研究工作进行了展望。