大数据时代,组织管理决策需要全局信息的支持,文本数据是主要的信息来源之一。阿拉伯语是世界上最为广泛使用的语言之一,近4.4亿人口使用阿拉伯语。随着“一带一路”倡议的建设,各领域各组织进行管理决策时所涉及的阿拉伯语的文本数据量迅速增长,面临着信息量爆炸所带来的困扰。阿拉伯文（以下简称阿文）文本分类方法是快速准确地挖掘海量阿文文本数据的基础任务,是跨国组织管理决策的技术手段之一,有着越来越重要的研究意义。本文研究阿文文本自动分类方法,研究内容有三:（1）基于改进特征加权方法的阿文词语提取方法研究。该方法基于原子词步长法的词语提取结果,结合TF-IDF算法,引入词的类别密度特征进行文本特征词权重的计算。首先运用现成的阿文文本预处理工具对原始阿文文本进行处理;接着利用原子词步长法进行词语提取,得到候选词集及其词频;然后计算得到词语的CDTF-IDF权重。实验结果表明,本文提出的基于改进特征加权方法的阿文词语提取方法能够有效提取文本的类别特征,改进文本分类效果。（2）基于词嵌入的阿文文本分类方法研究。该方法首先利用Word2vec词嵌入模型将ANT新闻语料库训练为词向量;接着利用词向量的加权平均方法求出多词词语的词向量;结合CDTF-IDF权重与Word2vec词向量构建特征向量空间并进行文本分类实验。实验结果表明,本文提出的基于词嵌入的阿文文本分类方法有效可行。（3）阿文词语提取方法和词嵌入文本分类方法的应用研究。使用NADA新闻语料库与ANT新闻语料库作为文本分类的训练集、测试集及用于训练词向量的背景语料库。首先运用基于改进特征加权的阿文词语提取方法提取候选词集,并进行文本分类实验。其次结合词嵌入的方法,运用基于词向量加权模型的文本表示方法进行文本分类实验。验证上述方法的有效性和可行性。综上,本文针对阿文文本分类问题,研究阿文文本预处理、基于改进的特征加权方法以及基于词嵌入的阿文文本分类方法。与其他经典的方法进行对比,本文方法的召回率、准确率与F1值表现均较为优秀。实验结果显示,本文提出的方法能够有效地提高阿文文本分类的效果。利用这些方法,能够快速地挖掘和获取文本的类别信息,用于支持相关组织的管理决策。