现今Internet已然成为人们获取信息的主要来源,它的快速发展使得信息资源迅速膨胀,文本自动分类作为有效地组织和管理这些信息的关键技术之一有着广泛的应用前景。本文结合东北师范大学理想信息技术研究院“长春市市长公开电话智能综合服务网络”的项目,其中关于如何对市民发出的投诉信息有效分类的问题进行研究。该项目中原始的分类系统是基于统计方法建立的,在实际应用中虽然取得了一定效果,但分类准确率不理想的缺点日益凸显。为了提高分类准确率,本文在原系统的基础上寻求有效的改进方法。研究工作主要包括:首先,面向投诉领域构建了基于关键词组的分类体系库,并且对分类体系库的基本单元即关键词组的形式化描述、存储形式进行深入研究。其次,建立了模糊词典,目的是对分词词典进行同义词的扩展以此提高分词准确率。最后,对比研究了文本自动分类系统常用的分词算法和分类算法。在现有的研究成果基础上进行了最大匹配分词算法的改进,以及改进的KNN分类算法在关键词组概念下的应用。结合以上主要研究内容,设计并实现了一个基于投诉信息的中文文本自动分类系统,分析了系统运行的各个关键步骤,通过设置实验测试了系统的分类性能。结果表明,改进后的分类系统可以有效地提高分类准确率,召回率也有一定程度的提高,说明这些改进是有效并且切实可行的。