随着科技的发展,人们可以获得的信息量正在以几何倍数爆炸增长,这些信息大多以文本形式在网络上流传。面对这样一个信息量爆炸的时代,当务之急便是快速有效地从这些海量的数据中捕捉到我们的目标信息。而文本分类技术作为一种有效的文本信息数据挖掘方法,其意义在于将文本依据其主题内容进行明确分类,提高用户筛选出目标信息的时效性。特征提取作为文本分类的关键环节,其主要作用是对文本的特征空间进行降维,从中选择出包含文本主题内容最为丰富的特征词,选取的特征词集合将作为确定文本类别的有效保障。传统的特征提取方法大都依据简单的数理统计思想,并且认为特征词之间是相互独立的,所以忽略了文本的结构和语义对于特征词选取的重要性,进而导致了语义因素无法在提取特征词的过程中发挥作用,从而影响文本分类的准确性。针对传统的中文文本特征词提取过程中存在的语义缺失问题,本文提出一种基于语义的中文文本特征提取方法。该方法首先将预处理后的特征词集合表示为加权语义网络结构,将特征词作为网络节点,将句子中跨度小于等于2的词语连接成边,边的权值的计算方法采用基于维基百科知识库的语义关联度计算方法;其次,为了有效提取出文本语义网络中包含文本主题信息最丰富的特征词,本文提出一种基于K-核分解的特征词中心性划分算法,该方法依据节点的中心性将文本加权语义网络划分为若干层,层级越高则表示层内节点的中心性越;最后,根据特征维数的需要,按照层级由高到底的顺序选出前n个关键词作为最终提取的特征词。最后,为了验证本文所提出的基于语义的中文文本特征提取方法的可行性和有效性,将本文提出的方法和当前应用较为广泛的特征提取方法进行对比实验,实验结果证明本文提出的特征提取方法在不同特征维数下都具有较强的稳定性,并且在查全率、查准率和F1值三个评价指标上都比传统方法有所提升,从而证明了本文提出的方法的有效性。