随着互联网和移动互联网的快速发展,如何高效地组织和管理海量的网页信息越来越成为棘手的问题。网页分类研究作为Web挖掘的一个基础步骤,在搜索引擎、主题爬虫和维护目录式网站等许多应用中均发挥着重要作用。基于内容的网页分类技术大多从网页内容、超链接结构和邻居节点等信息中抽取出大量特征,然后使用有监督学习方法进行分类。而只基于URL的网页分类技术则仅基于网页URL信息进行分类。虽然网页分类技术已经被大量研究过,但是已有方法过于依赖特征工程,训练所需时间代价较大,而且不能较好地处理数据中的噪音问题。另外,现有方法未考虑增量学习情形,该问题在训练数据流式产生的情景中尤为突出。在本文中,我们引入模式树的思想并加以改进,提出了UPCA算法。根据特定类型网页的训练集,通过模式树的构建和模式规则的提取,我们可以获得该类型网页URL所遵循的通用模式库。模式库可以代表对应类型网页URL集合的结构特点。对于新来的网页,我们只需将网页URL和已得到的模式库匹配来判断网页是否属于该类型。另外,我们将模式树的构建改进为增量式,也就是训练数据分批到来时在已有模式树的基础上进行增量更新,从而达到无需每次都重新构建模式树的目标。并且文中给出了新增训练样本对键对应信息熵的影响范围。最后在真实数据集上的实验结果表明,UPCA算法在保证分类精度的前提下能显著提高效率,而且我们提出的增量模式树算法可以很好地处理训练数据流式产生的场景。