随着Web技术的高速发展,各种互联网络上的信息也正以爆炸性的速度飞速增长,如何从这个蕴涵庞大信息量的数据集合中有效抽取有用的模式和感兴趣的信息,正成为当前一个亟需解决的问题,Web数据挖掘技术就是在此背景下产生的。本文分析研究了Web数据挖掘技术中的文本分类技术,重点集中在对中文文本分类技术的研究上,包括文本分类的特征加权、基于社区发现的特征选择和基于图模型的相似性度量三个方面。首先,在分析基尼指数及特征加权基本原理的基础上,提出了一种新的基于基尼指数的特征加权公式,实验表明这种公式有助于提高文本的分类性能;其次,通过对复杂网络中社区结构概念的研究,提出了一种新的基于社区发现的特征选择算法,有效克服了采用传统的特征选择方法遗漏文本上下文语义信息的缺陷,经过实验证明这种算法是有效的;最后,通过对基于图空间模型的文本表示方法的研究,在结构等价分析的基础上,提出了一种改进的文本相似性度量的标准,弥补了向量空间模型不能有效表达文本结构信息的缺陷,实验表明这种文本分类方法是有效的和可行的。