文本分类最初是应文本信息检索的要求出现的,但是随着文本数据的激增,传统的研究方法已经不适合大规模文本分类,文本数据挖掘应运而生.作为文本数据挖掘的一个重要功能,文本分类技术日益成为研究热点.文本分类目的是对文本集有序组织,便于文本信息高效管理,为人的决策提供支持.但是传统的人工分类的做法存在许多弊端,不仅是耗费大量人力、物力和精力,而且受人为因素影响较大,分类结果一致性不高.与之相比,文本自动分类具有快速、高效的特点,且分类准确率较高.该文主要研究中文文本分类算法及其实现,采用基于关联分析和聚类分析两种方法,设计和开发了中文文本分类系统ACTC,实现中文文本分类功能,在理论和实践上论证两种方法的可行性和正确性.系统用向量空间模型表示中文文本,采用基于统计的文本分类模型.该文从理论和应用角度对现有文本分类算法进行了较为深入的研究,提出一种新的关联分类算法频繁模式增长PFP_Growth算法,并基于信息粒度原理将聚类算法用于中文文本分类.ACTC系统能够快速高效对大规模中文文本分类,具有良好的自适应性的和可扩充性,而且为研究文本分类算法提供了一个的实验平台.