面对与日俱增的爆炸信息,人们获得有用知识显得越发困难,而有效的组织和管理能帮助人们便捷准确地找到所需知识,于是文本分类成为一大研究热点。由于中文的复杂性和国内相关研究较晚,中文的文本分类还存在多方面难点需要突破。国外在文本分类方面提出了较多方法和技术,并表现出良好的效果。目前中文文本分类的研究不断地结合这些优秀的方法和技术,在分类准确性、可靠性等方面进行大量的研究,取得了一些的实际成果。随着关联规则和分类算法的不断研究,学者们提出了关联分类的方法,并有着广泛和有效的应用。所以本文基于关联技术,以中文文本为研究对象,对关联的中文文本分类进行研究。基于以往关联分类方法的优势和不足,我们尝试设计了两种中文文本分类的方法。第一种方法基于CMAR的多关联规则的思想,考虑到频繁闭项集的特性,结合了TFP算法不用预设min_sup的优势,进行了相关改进来寻找用于指导分类的最优关联闭规则；第二种方法结合CPAR中高效产生潜在规则的优势,对其算法进行了如下改进：采用了新的度量标准FGIG选择合取、引入了多重衰减因子寻找高质量的潜在规则、利用Laplace准确率有效评价规则等,最后结合同源规则的概念改善分类策略。对两种方法都进行了中文文本的分类实验,通过多组对比实验,由实验结果的分析表明两种方法在文本分类准确率、方法的有效性等方面有较好的表现。总的来说,设计的方法对中文文本的分类方面具有很好的实用价值和指导意义。