随着互联网的大规模普及和信息化程度的不断提高,文本信息成几何级数不断增长,人们已经置身于信息的海洋之中。如何有效地组织和管理这些信息,并快速、准确、全面地从中找到用户所需要的信息是当前信息科学和技术领域面临的一大挑战。自动文本分类在较大程度上解决信息杂乱现象的问题,帮助用户准确地定位所需的信息。它已经成为一项具有较大实用价值的技术受到了广泛的关注,并得到了空前的发展和应用。但是,其在大数据量的处理上遇到了如数据量巨大、特征数量太多、计算时间很长、噪音数据多、计算精度低等问题。理论证明,随着特征的增加,文本处理方法的计算复杂度成指数级增长。所以,特征降维成为了近几年的一个重要的研究课题。　　 特征选择是一类简单有效的特征降维方法。本文研究了一类基于互信息的特征选择算法,该类算法以信息理论为基础,将特征选择过程看成是目标特征集与类别标签互信息最大化的过程。人们根据对特征间冗余的近似计算方法,提出了四种不同的算法,本文分别给出了算法描述。在这类算法中,除信息增益(IG)外,其它算法中都需要冗余参数。因此,本文提出了搜索冗余参数最佳值的算法。该算法应用T检验比较不同参数值的效果,据此对冗余参数进行修正,循环前两步直至分类效果不再提高。从实验可以看到,该算法得到的最佳参数值能较好地优化分类效果。　　 虽然基于互信息的特征选择算法有较好的理论基础,却并不适用于大规模的文本分类应用。因此,本文考虑影响特征选择效果的两个重要因素:使用高频词和利用类别信息。对其进行了度量并通过分析它们的关系将其结合为一种新的评价特征优劣的指标。从实验效果看,本文提出的方法比传统的特征选择方法更好,且特征之间的冗余度较小。