随着国际互联网的迅猛发展，网上文本信息资源以指数级的速度增长。如何快速有效地将文本按其内容进行分门别类的整理，以便于利用这些海量文本，变得越来越重要和困难。因此，研究文本自动分类技术具有很重要的现实意义。 本文分析考察了文本分类过程中的主要技术：中文分词、特征选择、粗糙集和分类器构造，并在广泛研究现有文本自动分类方法的基础上，利用人工神经网络具有的自学习性、自组织性、联想记忆功能和推理意识等在文本自动分类上的独特优势，构建了神经网络分类器。由于BP(BackProPagation，反向传播)神经网络广泛应用于文本自动分类领域，因此本文对BP网络文本分类过程分阶段进行了改进，并证明了本文方法的优越性。 本文改进了BP神经网络分类方法，主要设计思路如下：首先从已有文本中随机选择部分文本，并建立训练语料库；接着对训练文本进行分词，去掉停用词和标点符号，然后词频统计，并生成各文本类的特征向量；接着分别使用改进互信息、X2统计方法和本文提出的联合特征选择法，对特征空间做降维处理；然后使用粗糙集理论进行属性约简；最后建立BP神经网络文本分类器并初始化网络，用训练语料库训练BP文本分类器，直至网络的训练满足一定的收敛条件。至此，基于BP神经网络的文本分类器构造完成。