文本特征对于文本分类而言至关重要,它的优劣直接影响到分类模型的性能以及最终的测试结果。n-grams特征与其他特征形式相比具有众多优势,然而自身存在的几个缺陷限制了其在文本分类中的广泛应用:1)稀疏数据过多。2)特征冗余。3)高维度。为克服上述提到的三个特征缺陷,使n-grams能更好地应用于文本分类领域,本文提出一种基于n-grams语言模型的特征约简及语义加权算法。该算法首先对未经处理的n-grams特征集合进行降维处理,为对单个n-grams特征的处理减小开销;再去除每个n-grams特征中存在的冗余词,达到对n-grams约简的目的;最后利用语义对测试文本或训练文本进行加权,避免绝对匹配时产生过多0数据。在网易文本语料库中的实验结果表明,该算法能够从文本中准确筛选出高质量的n-grams特征,并避免了高维度、冗余词和稀疏数据过多的情况,在支持向量机(Support Vector Machine,SVM)中的分类性能相比为经算法处理的情况有很大提高。