当今社会,信息技术的迅猛发展以及因特网的迅速普及,使得数字信息资源急剧增加。如何从海量非结构化的文本数据中获取有用信息成为信息处理领域研究的重要问题之一。文本主要任务是研究微薄文本的分类技术,即根据未分类文本的语义信息判别其所属的类别,自动把文本划分到预先设定的文本类别的一个或几个类别中。文本分类的主要目的是帮助人们快速将信息分类,从而能够根据类别有效地找到其所需要的信息。微博是一种新型的网络社交平台,也是新型媒体之一。微博文本属于短文本类别,用词简洁,包含的信息量多少不一等特点。除此之外,微博文本的形式更加自由,传播速度快,实时性强,很多信息是很有价值的。微博文本分类在各个领域有着广泛的应用前景。相对于一般文本分类,微博文本分类在理论、方法和技术都还存在许多问题,本文对此进行一些初步的探讨。本文研究分类技术在微博短文本上的应用。首先介绍了分本分类的研究内容和国内外现状,接着阐述了文本分类的一般过程,分别描述文本分类的几个关键阶段,如预处理,文本表示,特征选择等。然后对典型分类算法做介绍,如K近邻(KNN)、朴素贝叶斯等。接着结合KNN算法的优缺点和微博文本的特性,以及用户自身偏好,提出了基于微博特征的分类算法。改进后的KNN算法在训练时间、分类速度和分类准确率上获得较好的提高。实验结果亦证实,改进后的KNN算法在微博文本的分类应用中,较KNN算法和朴素贝叶斯算法具有更短的训练时间、更快的分类速度和更高的分类准确。