本文采用LDA模型进行文本降维和特征提取，并在alpine框架下对传统分类算法进行训练，以探索它是否能提高单个分类算法的分类精度，获得更好的分类效果，从而使LDA模型能发挥更高的性能和效果，从而为提高文本分类精度服务。同时，以科学网为数据源，根据其学科分类标准，建立了一个涵盖六个主题的实验文本集。以Weka为实验工具，以F值平均值为评价指标，对朴素贝叶斯、logistic回归、支持向量机和K近邻算法以及AdaBoost、Bagging四种传统分类算法的分类效果进行了分析。总体而言，同质集成整合后的文本分类准确率高于单一分类器。采用LDA模型进行文本降维和特征提取，以朴素贝叶斯为基分类器和Bagging进行集成训练，分类效果最好，实现了“全局最优”的识别。