随着信息科学技术的快速发展，网络上的各种信息急剧增长，丰富的信息资源虽然使用户更容易获取所需要的知识，但同时也使人们受到垃圾信息和冗余信息的困扰，这些垃圾信息和冗余信息不但影响了用户使用网络的方便性和快捷性，而且也对网络的环境发展造成很大的影响。因此，如何从网络中获取所需要的信息，并且可以有效的防止无关信息和不合法信息的困扰，已经成为当前网络研究领域的重大任务之一。信息过滤技术(Information Filtering Technology)是一种能够根据用户的需求，在动态的信息流中，准确定位用户感兴趣的信息，将不良信息屏蔽的技术。信息过滤包括很多方面，而网络文本信息过滤就属于其中的一个分支，由于网络上的信息的表现形式大多为文本形式，所以本文的研究主要是针对网络文本信息过滤而提出的。本文对网络文本信息过滤中所涉及到的一些关键技术进行了探讨，然后对文化粒子群算法做出改进，最后将改进的文化粒子群算法应用于过滤模板的优化中。本文的主要工作包含以下三个方面：1.提出一种自适应动态文化粒子群算法解决PSO算法在解决复杂问题时易陷入局部最优的问题本文引入评价粒子群早熟收敛程度的指标来判断种群空间粒子群状态，以确定影响函数对种群空间粒子群的作用时机，当算法陷入局部最优时，自适应的利用影响函数对种群空间进行变异更新，从而有效发挥文化粒子群算法的“双演化双促进”机制，并且在文中首先对种群的收敛程度进行判断，然后根据判断的结果进行自适应的改变惯性权重，这样可以保证种群空间中的粒子群保持多样性。最后对四个经典的测试函数进行仿真，结果表明该算法具有很强的搜索能力，收敛速度和收敛精度也有所提高。2.将改进的文化粒子群算法应用到网络文本信息过滤的模板优化该方法采用改进的自适应动态文化粒子群算法对过滤模板进行优化，并根据相似度，分类准确率，提出了一种粒子适应度评价体系。实验结果显示，使用改进后的文化粒子群算法优化网络信息过滤当中的用户模板，最终提高了文本分类的准确性，达到了较好的过滤效果。3.设计并实现了基于自适应动态文化粒子群算法的网络文本信息过滤系统将本文提出的自适应动态文化粒子群优化算法应用于网络文本信息过滤系统中的用户模板优化中，根据用户的参与反馈信息对用户模板进行动态更新优化，使系统更能满足用户的需求。根据用户的需求实现网络信息的实时过滤，提高过滤系统的效率，并保证系统的过滤准确性及稳定性。