对搜索引擎的查询串、图片内容的描述串这样的短文本进行分类,普遍的做法是,通过特征扩展对传统的机器学习分类方法进行优化,以此提高对短文本分类的效果。但是,这种方法仍然存在如下一些不足：性能开销大,并行化程度低；分类的准确率不高；难以处理信息快速更新的情况；模型训练缺乏准确标注的大语料集。为此,本文采用一种基于规则的主题分类方法,可有效解决传统方法的不足。其主要研究工作如下：1)通过对句法分析技术的语法体系和处理方法的分析可知,基于统计的依存句法分析是当前主流句法分析技术。本文以此作为句法分析的基础,并对分词模块和命名实体标注模块进行一定程度的调整,使其满足主题分类的要求。在此基础上,引入语义块概念、语义块确定规则及语义块主题确定规则。2)分析分类法和主题法的相关技术,在分类-主题一体化的基础上,兼顾主题聚合的要求,构建一个面向互联网开放域的二级主题分类表,并采用反向过滤+TF-IDF+人工判定的混合方法来构建准确率较高的主题词典。用该词典对分词结果进行主题标注后,根据主题标注结果和句法分析结果满足的规则来确定短文本的主题。3)在上述研究分析的基础上,本文实现一个基于搜索日志的主题挖掘系统。该系统中实现基于规则的主题分类方法和基于统计的模型分类方法,根据实际应用,通过分析两种方法在性能、并行程度、对数据更新的适应性以及标注语料集需求方面的差异,进一步证实了本方法的有效性。