分类是数据挖掘中一项非常重要的任务,目前在商业上应用最多。分类的目的是提出一个分类函数或分类模型(也常常称做分类器),该模型能把数据库中的数据项映射到给定类别中的某一个。大量的统计方法和机器学习方法被应用于自动文本分类。自动文本分类分为三个过程:首先对文本进行预处理,将文本数字化;接着构造并训练分类器;最后用分类器对新文本进行分类。本文根据对以往传统的分类方法的研究,特别是每一个分类器对于不同类别的区分程度不同,提出一种基于综合评价理论的多分类器综合方法,旨在利用各个子分类器对于不同类别的区分度不同,互相取长补短,评价模型使用了线性加权模型,把多个分类器综合和在一个容器内。训练过程参照了优化理论中的直接搜索方法。形成一个容纳多个分类器的容器。文本预处理过程中,首先通过对几种特征抽取方法的比较,选取一种最适合本系统的方法;其次选取一种合适的权重计算方法,最后把文本表示成向量的形式。在分类器的训练过程中,首先构造了四个子分类器,利用复旦大学提供的语料进行测试分析,再根据综合评价理论构造分类容器,对分类容器进行训练时,得出各个子分类器的类别权值,即权值矩阵。分类器测试时,先用子分类器对文本进行判别,再利用权值矩阵,运用集值迭代的方法进行加权求和,最后取和最大的类做为类别归属。这个容器是各个分类器的一个优化的组合,实验结果表明,这个容器确实得到了比较理想的分类效果。本文中用到的方法有SVM分类方法、贝叶斯分类方法、简单向量距离法和多组判别分析法。