目前,机器学习型文本分类算法在面向主题搜索引擎领域的应用已十分广泛,但由于其存在“一次性学习”问题,严重制约了其在综合搜索引擎领域的应用。所谓“一次性学习”,就是指对模式的学习需一次性完成,并且在学习新知识时会破坏已有知识。当分类类别一旦固定并训练完成后,若要进行类别的增加或删除,则需重新进行训练,无法继承原有的知识。综合搜索引擎的类别空间一般较大,特别是随着类别数量和训练文档数量的不断增加,机器学习型文本分类算法的“一次性学习”问题无法继承原有知识,将会导致训练时间不断增加,学习效率不断降低,有时甚至可能会出现学习失败的危险。为了解决此问题,本课题通过引入大规模人工神经网络理论中的分治思想和动态多叉树算法,实现了一种可扩展的文本分类算法。1.面向组构建不同子分类器。当类别和训练文档数量过大时,采用大规模神人工神经网络理论中的分治思想,将类别分成若干组,对每组分别使用传统文本分类算法训练出相应的分类器,这些分类器对组内的类别分类效果较好。2.有效组合子分类器。当子分类器通过简单的方法组合在一起使用时,分类效果大幅下降,为解决这个问题,本文采用动态多叉树算法对这些分类器进行组织以提高分类效果。3.类别扩充。当类别需要扩充时,只需针对扩充类别训练单独的分类器,并将训练好的分类器加入动态多叉树即可,而不必对以前的分类器进行重新训练,以实现知识的继承。针对这种可扩展的文本分类算法,进行了实验验证,结果表明,该算法克服了传统学习型文本分类算法的“一次性学习”问题,具有良好的训练并行性、类别可扩展性和知识可增殖性,并且具有与传统学习型文本分类算法接近的分类效果,完全适合应用于综合搜索引擎。