当前各类研究机构都在不断增加力度研究开发自身的机构知识库,力求整合自身内部的研究资源和成果,为机构内部和外部的研究人员提供更加便捷的途径来获取科研资料。机构知识库的一个重要研究方面就是领域知识的划分,面对种类繁多,数量庞大的数据资源,如何根据领域划分资源实现有效利用一直是机构知识库研究的核心问题之一,本文研究的基于领域知识的文本分类算法为这一问题提供了一种可行的解决方案。本文提出的基于领域知识的文本分类算法是在现阶段应用效果比较突出的贝叶斯分类算法的基础上进行的改进研究,原型系统分为输入、输出和分类三个模块。在核心的分类模块结合算法流程分别设计实现了的文本分词,特征选取和权重改进,领域知识的算法改进等关键技术。其中文本分词采用现阶段应用广泛的IkAnalyzer和Lucene结合的汉语分词方法,特征选取和权重改进部分主要针对文档中的特殊词汇进行了处理,领域知识的应用部分引入了领域扩展词汇表辅助贝叶斯计算公式求得最终结果。在实验部分,本文设计了多方面的实验步骤分别从算法精确度和算法时间的角度对改进算法和贝叶斯算法进行了对比分析,实验结果表明改进后的文本分类算法有效的提高了分类的精度,并且没有带来过大的系统额外计算时间。相信改进算法的思想能为机构知识库中的领域划分提供合理化的借鉴。