互联网技术的迅速发展和日益普及,造成电子文本信息的急速累积,且这些海量原始文本信息甚为冗杂。而文本自动分类作为处理和组织大规模电子文本数据的关键技术,可以在一定程度上降低信息冗杂程度,帮助我们高效管理巨量电子文本信息。因此,文本自动分类是一项极具应用前景和实用价值的关键技术,关于它的研究一直为人们所广泛关注,且已经取得了长足的进展。本文在对国内外学者关于文本分类研究的分析比较后发现,目前绝大多数分类方法都只是关注不同领域的文章的用词、措辞特点,考虑了词与类别之间的关联性,却忽略了文章中词顺序、词搭配等特征信息,而这些信息往往更能帮助提升文本分类效率。因此,针对现有文本分类方法存在的局限,本文将序列模式挖掘算法引入文本分类领域,构建了基于序列模式的文本分类方法CBSP。该方法能够在考虑不同应用领域作文用词、措辞特点的基础上,再充分挖掘句法顺序等特征,发掘更多有效信息,从而强化文本分类效果。通过实验比较,发现这个新方法对于教育、信息技术、军事、招聘和体育等五个类别文本的分类效果要明显好于朴素贝叶斯、k-近邻、支持向量机等传统分类方法的分类效果;并且在不同数量训练样本条件下,新方法均能保持良好的综合分类性能。