随着互联网的飞速发展,文本数据每年正以指数级的速度增长,文本分类作为处理文本数据的重要技术之一也变得越来越重要。传统的文本分类方法一般都是基于有监督学习的,为了训练出一个好的分类器需要大量的有标注文本。而在现实中,有标注文本数远小于未标注文本数,如果仅用少量的有标注文本来训练分类器,不但得到的分类器性能较差,还会错失未标注文本中隐含的信息,造成资源的浪费。因此,如何合理有效地运用这部分数据成为重中之重。本文首先对现有用于文本分类的算法进行阐述,指出其优势及缺陷。针对有标注文本不足,以及分类器性能难以有效提升等问题,本文以NB分类器为基础分类器,并结合Bagging算法、EM算法以及选择性集成方法,提出基于Bagging算法的EM选择性集成学习方法,通过设计模拟实验证明了该方法的可行性及有效性。然后将该方法用于处理中文文本分类实际问题。实证结果表明:1.将EM算法应用于文本分类,可以克服有标注训练文本不足的缺陷,提高NB分类器的分类性能,但是相比某些有监督学习算法还是具有一定缺陷,分类器的分类性能略低;2.通过将多个EM基分类器进行比较,选出较好的基分类器,然后进行集成,可以得到一个较强的分类器;3.该方法解决了 Bagging算法中由于存在一些效果较差的基分类器而导致分类器弱化的问题,提升学习器的整体性能。