文本分类技术可以用来帮助人们从海量的信息中获取有用信息,它已经得到了广泛地研究和应用。文本分类就是将一些未知的文本与预先定义好的文本类别相互比较,如果这个未知的文本与已知文本类别中的一些类别互相对应时,那么这个未知文本就属于所对应类别的文本。在文本分类中,影响分类效果的一个比较重要的因素是特征选择。特征选择就是在原始特征集中选出最有代表性的一些特征,它可以降低特征维数。在文本领域中,特征选择的必要性在于它可以使分类任务更加有效与准确。本文通过分析与比较,指出了传统的卡方统计法的缺点。一方面它仅仅只关心特征词在全部文本而不是一篇文本中所出现的次数,这就降低了最终分类的准确率；另一方面它只关心出现次数特别多的特征词,如果在研究的类别中,特征词出现比较少时,还选用这些特征词的话,分类的效果就会不准确。为了解决卡方统计法本身的缺点,本文通过频度思想对其进行了改进,并通过K-近邻算法与支持向量机算法,对改进的方法进行了验证。另外,本文还提出了一种比较新的特征选择方法,此方法在中文分类系统中还没有得到广泛地应用,可以作为今后研究的一个方向。最后本文构造了一个中文文本分类系统,它的各个模块之间是互不影响的,可以对其中的一个模块进行修改,而不会影响其它模块。本文采用的是复旦大学李荣陆所提供的开源文本分类系统,本实验选用其中的K-近邻分类器和支持向量机分类器对改进的卡方统计法进行测试。为了使实验有更好的可比性,在实验过程中,对改进前后的语料库、选择的分类器与选择的各个参数等都取相同的条件。本实验分别从文档分类的正确数、直方图、查全率、查准率与混淆矩阵等多个实验结果上进行分析与比较,从实验的结果可以得出改进后的卡方统计法分类效果比传统的卡方统计法要好,说明了改进的方法是可行与有效的。