传统的文本分类方法多是基于词语本身．由于中文词语的复杂庞大，并且不断增加，直接用词语作为研究对象，容易造成文本特征向量的高度稀疏性和维数灾难，使得处理起来效率不高，难以计算．但是其词性的种类是固定不变的．随着中文分词和词性标注的研究越来越完善，使用词性作为文本分析的研究对象，吸引了越来越多公众和研究人员的兴趣．文章提出基于非参控制图的文本分类方法，仅使用句子中的各词性出现次数作为文本分类研究的特征值．利用中文自然语言处理平台，对句子进行词语切分以及词性标注，并保留出现次数最多的５个词性，计算每个词性在句子中的占比，进行等距对数比变换．最后把处理好的数据放入基于多元符号指数加权移动平均（ＭＳＥＷＭＡ）控制图模型中判别类型．该方法思想原理简单、容易实现、训练后处理速度快，通过实验证实可以很好地区分文本类别．

Ｔｒａｄｉｔｉｏｎａｌｔｅｘｔｃｌａｓｓｉｆｉｃａｔｉｏｎｍｅｔｈｏｄｓａｒｅｍｏｓｔｌｙｂａｓｅｄｏｎｗｏｒｄｓｔｈｅｍｓｅｌｖｅｓ．Ｄｕｅｔｏｔｈｅｌａｒｇｅａｎｄｉｎ-ｃｒｅａｓｉｎｇｃｏｍｐｌｅｘｉｔｙｏｆＣｈｉｎｅｓｅｗｏｒｄｓ．ＤｉｒｅｃｔｕｓｅｏｆＣｈｉｎｅｓｅｗｏｒｄｓａｓｔｈｅｒｅｓｅａｒｃｈｏｂｊｅｃｔｉｓｌｉｋｅｌｙｔｏｃａｕｓｅｈｉｇｈ-ｌｙｓｐａｒｓｅａｎｄｄｉｍｅｎｓｉｏｎａｌｄｉｓａｓｔｅｒｓｏｆｔｅｘｔｆｅａｔｕｒｅｖｅｃｔｏｒｓ．Ｓｏｔｈｅｐｒｏｃｅｓｓｉｎｇｉｎｅｆｆｉｃｉｅｎｃｙｉｓｄｉｆｆｉｃｕｌｔｔｏｃａｌｃｕｌａｔｅ．Ｂｕｔ，ｔｈｅｎｕｍｂｅｒｏｆｐａｒｔｓｏｆｓｐｅｅｃｈｄｏｅｓｎｏｔｃｈａｎｇｅ．ＷｉｔｈｔｈｅｐｒｏｇｒｅｓｓｏｆＣｈｉｎｅｓｅｗｏｒｄｓｅｇｍｅｎｔａｔｉｏｎａｎｄｐａｒｔｏｆｓｐｅｅｃｈｔａｇｇｉｎｇ，ｕｓｅｏｆｐａｒｔｏｆｓｐｅｅｃｈａｓａｎｏｂｊｅｃｔｏｆｓｔｕｄｙｉｎｔｅｘｔａｎａｌｙｓｉｓｈａｓａｔｔｒａｃｔｅｄｇｒｏｗｉｎｇｉｎｔｅｒｅｓｔｆｒｏｍｔｈｅｇｅｎｅｒａｌｐｕｂｌｉｃａｎｄｒｅｓｅａｒｃｈｅｒｓ．Ｔｈｅｐｕｒｐｏｓｅｏｆｔｈｉｓｐａｐｅｒｉｓｔｏｐｒｏｐｏｓｅａｔｅｘｔｃｌａｓｓｉｆｉｃａｔｉｏｎｍｅｔｈｏｄｂａｓｅｄｏｎｎｏｎ-ｐａｒａｍｅｔｅｒｃｏｎｔｒｏｌｇｒａｐｈ，ｗｈｉｃｈｏｎｌｙｔｈｅｆｒｅｑｕｅｎｃｙｏｆｏｃｃｕｒｒｅｎｃｅｏｆｅａｃｈｐａｒｔｏｆｓｐｅｅｃｈｉｎｓｅｎｔｅｎｃｅｓｉｓｕｓｅｄａｓｔｈｅｅｉｇｅｎｖａｌｕｅｔｏｓｔｕｄｙｔｅｘｔｃｌａｓｓｉｆｉｃａｔｉｏｎ．ＢｙｕｓｉｎｇｔｈｅＣｈｉｎｅｓｅｎａｔｕｒａｌｌａｎｇｕａｇｅｐｒｏｃｅｓｓｉｎｇｐｌａｔｆｏｒｍ，ｔｈｅｓｅｎｔｅｎｃｅｓａｒｅｓｅｇｍｅｎｔｅｄｉｎｔｏｗｏｒｄｓａｎｄｍａｒｋｅｄｗｉｔｈｐａｒｔｏｆｓｐｅｅｃｈ，ａｎｄｔｈｅ５ｐａｒｔｓｏｆｓｐｅｅｃｈｔｈａｔａｐｐｅａｒｍｏｓｔｏｆｔｅｎａｒｅｒｅｔａｉｎｅｄ．Ｃａｌｃｕｌａｔｅｔｈｅｐｒｏｐｏｒｔｉｏｎｏｆｅａｃｈｐａｒｔｏｆｓｐｅｅｃｈｉｎａｓｅｎｔｅｎｃｅａｎｄｔｒａｎｓｆｏｒｍｓｔｈｅｄａｔａｂｙｉｓｏ-ｍｅｔｒｉｃｌｏｇ-ｒａｔｉｏｔｒａｎｓｆｏｒｍａｔｉｏｎ．Ｆｉｎａｌｌｙ，ｔｈｅｐｒｏｃｅｓｓｅｄｄａｔａａｒｅｐｕｔｉｎｔｏａｍｕｌｔｉｖａｒｉａｔｅｓｙｎｔｈｅｔｉｃｅｘｐｏｎｅｎｔｉａｌｌｙｗｅｉｇｈｔｅｄｍｏｖｉｎｇａｖｅｒａｇｅ（ＭＳＥＷＭＡ）ｃｏｎｔｒｏｌｃｈａｒｔｔｏｄｉｓｃｒｉｍｉｎａｔｅｔｈｅｔｙｐｅｓ．Ｔｈｅｐｒｉｎｃｉｐｌｅｏｆｔｈｉｓｍｅｔｈｏｄｉｓｓｉｍｐｌｅ，ｅａｓｙｔｏｉｍｐｌｅｍｅｎｔ，ａｎｄｔｈｅｐｒｏｃｅｓｓｉｎｇｓｐｅｅｄａｆｔｅｒｔｒａｉｎｉｎｇｉｓｆａｓｔ．Ｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｉｓｍｅｔｈｏｄｉｓａｂｌｅｔｏｄｉｓｔｉｎｇｕｉｓｈｔｅｘｔｃａｔｅｇｏｒｉｅｓ．