本文首先对文本分类的概念、方法、类别及应用等方面进行了一个概括地介绍,然后结合汉语自身的特点较为详细地分析了中文文本自动分类中所涉及到的关键问题及技术,并且特别针对当前中文信息处理领域中所常用的基于字典匹配的文本自动分词方法运算代价较高且容易产生歧义词汇的弊病,提出了一种基于Hash索引和统计信息的无字典中文文本特征提取算法.实验证明,该算法不仅在时间和空间复杂度上较同类基于字典的方法有一定的优越性,而且还比较好地解决了词汇的歧义切分问题.另外,该文还针对基于平面类别空间的文本自动分类方法分类速度和精度都比较低的问题,提出了一种基于空间层次类别和Naive Bayes算法的多层次文本自动分类方法.最后结合上述算法,该文设计出了一种基于向量空间模型(Vector Space Model)和层次类别(Text Hiberarchy Classes)的中文文本自动分类系统原型—HC&CT Classifier.