随着网络的普及和发展,互联网已经成为人们生活、学习、工作、娱乐的重要途径。互联网作为信息载体,近年来以惊人的速度在增长,信息量以TB计算,拥有上千万个网站、数十亿的用户,而且这个数量还在不断的增长。Web的发展改进了人们的生活方式,越来越多的人通过网络来发布信息和搜索信息。由于Web信息抽取可以将网络上网页的主题内容提取出来,并以统一的结构形式存储,因此整个互联网将会变成一个巨大的数据库,从而为互联网上海量数据的再利用提供了可能,构建垂直搜索引擎就是应用之一。与主题相关的Web文本信息的抽取是影响垂直搜索性能的关键技术,垂直搜索中的Web信息抽取是从具有相同主题、分散存放、表现各异的半结构化信息中抽取出特定的结构化信息,重新形成结构良好、便于检索和表示的数据,因而Web信息抽取技术成为当今研究的热点。本文对基于神经网络的信息抽取方法进行研究,分析其缺陷,并提出改进方法。文中对改进方法进行了详细阐述,并通过实验验证该方法的可行性。改进的方面有:1)在过滤原则中加入了相关度计算,即将每行文本的文字内容与标题的相关度作为神经网络的一个训练参数。2)在对页面文档进行信息统计前,先将网页代码中书写不规范的代码行进行合并,以提高算法的处理效率。3)采用BP神经网络作为训练模型,依靠其多次反复修改权值和阈值的特性,获得更合理的阈值。另外,本文在改进算法的基础上结合文本分类知识设计了一个信息抽取和分类模型,并在此模型的基础上实现了一个信息抽取和分类系统。该系统主要实现如何将Web文档中的正文内容抽取出来,并根据抽取结果对被抽取Web文档进行分类。