如果你有办法等到一些已经分好类的数据，比如1万篇根据文字分好类的资料，那你可以考虑各种分类算法。比如CART，SVM,这些工具基本上都有现成的代码，下一个就可用。

不过，大部分的情况下是你根本没有足够的分好类的资料。如果你有耐心，自己准备一些也是可以的。


另一种比较笨的方法是手工收集关键字，

根据一些关键字，来分类，比如一篇文章如果包含NBA,或者姚明，那么可以把它放到体育里。

包含外汇，热钱，房地产，可以放到财经类。。

这样，每次利用关键字把没有分类的材料，先做一个粗粒度的分类，
没有分类成功的，单独放一类，分类结束之后，肯定会有很多没有分类成功，再次人肉这些没有分类成功的文档，从中找出没有用到的关键字。


然后再次给所有文档归类，以此递推。。。直到符合一定的精度。。


可以包含复杂的规则来制定是否属于一个类。

首先得把关键字与某个类型做成映射
如multimap
然后首先是查找文章标题  再对比是哪一种的.
如果判断内容的话则数据量会大一些.

词频分析

我开始向导的方法也是闲切词再根据词来分类。
可是网络上能下的词库好像都没有分类，自己手动把词库的词先逐一分类太累人了。

1楼的思想不错啊 

这本书可能对你有帮助：
《柔性字符串匹配》

传说中的模糊?

兄弟已经无暇看书了，工作迫在眉睫。只求大致算法，便开工。

如果找不到分类词库，就只能自己建立了，可以跟领导反映一下情况，请求其他人协助处理。

词频分析

我倒是觉得不如直接做个程序跟搜索引擎打交道，这东西比较智能。

分词(使用分词库,有开源的北大那个可以)->普素贝叶斯分类器分类->完成
你在google查一下很多的，开源的也有很多

专家系统哈哈

找了很多词库，都没有分类属性，最多只有词性，动词名词这样的。
楼上的兄台，哪儿去下含分类属性的词库？

关键字匹配来得快些

综合楼上各位意见，想了个办法，就是那下载的词库一条条自动查百度百科，得到该词条的分类，而后自动整理成分类，再对文章切词，并根据统计方面的算法推算文章分类。目前只能这样。