随着互联网的迅猛发展,网页的数量呈现爆炸式的增长,作为信息的载体,互联网上每时每刻都在产生大量主题各异的文本,且数据量巨大。如何从海量的、动态的信息资源中获取所需的信息,已日益成为互联网信息应用的关键问题。目前,通常利用数据挖掘中的分类技术对这些网页进行组织归档,从而围绕用户有效地改善网页服务。网页分类研究主要以文本分类为基础,以单个网页为处理对象,整个过程存在大量的计算,对于大规模的流数据不具备适用性。而且考虑从用户行为角度出发,部分特定人群会有较为鲜明的HTTP访问偏好,因此,固定单一的分类流程不能体现用户的行为特点,且分类效率很低。针对传统的基于内容的网页分类方法存在的问题,本文提出了一种基于URL+文本的网页主题分类方法,结合不同场景的需求,设计并实现了两种分类模型。(1)基于词向量的网页分类模型:针对主题平稳的网页,预先定义军事、财经、娱乐、体育等八个主题,不同于传统分类算法中对于文本的向量表征,词向量模型考虑词与词之间语义上的相似性,同时在网页正文抽取上结合网页结构特点进行改善,并且采用基于密度的聚类算法进一步优化。(2)基于URL+关键词的网页分类模型:针对主题鲜明的网页,利用URL本身包含价值信息以及网页正文中存在大量特定关键词重复出现的特点,提出了URL切分算法,同时改进TextRank算法进行关键词抽取,最终通过基于朴素贝叶斯的算法模型完成对未知网页的分类。(3)实验验证了两种分类模型在面向不同场景下分类的可行性和有效性,分别给出该分类模型对互联网不同主题类别网页的分类效果。