دادهکاوی به فرایند استخراج اطلاعات ناشناخته و مفید از انبوهی از دادهها اطلاق میگردد. امروزه بخش قابلتوجهی از اطلاعات موجود در پایگاه دادههای متنی ذخیره میشود که از مجموعه بزرگی از اسناد و منابع مختلف، از قبیل اخبار، مقالات علمی، کتاب،کتابخانههای دیجیتالی، پیامهای ایمیل و صفحات وب تشکیلشده است. متنکاوی دانش استخراج اطلاعات از متن بدون ساختار است. به عبارتی میتوان متنکاوی را بهعنوان روشها و الگوریتمهایی از فیلدهای یادگیری ماشین و تکنیکهای آماری باهدف پیدا کردن الگوهای مفید در متن در نظر گرفت. یکی از مهمترین تکنیکهای متنکاوی، دستهبندی متون است. دستهبندی متون بدینمعنی است که اسناد متنی موجود را به چند دسته از قبل تعریفشده که اسناد متعلق به آنها هستند، نسبت دهیم. در این مقاله چندین الگوریتم درخت تصمیم و بیز ساده به همراه ماشین بردار پشتیبان روی منبع داده همشهری آزمایش شده است.