作为Web2.0的新兴网络应用,博客近年来正处于蓬勃发展和快速演变之中。博客范围内的海量博客信息极大地方便了人们的生活,使得人们以往的工作方式、学习方式甚至是生活方式都发生了改变。然而,博客空间的兴起也连带产生了一个副产品:垃圾博客(Splog)。垃圾博客的存在不仅是对网络带宽资源及存储资源极大的浪费和消耗,更重要的是它增加了网民获取高质量信息的难度,降低了用户进行网络搜索体验的满意度。本文的研究是建立在对其他网络垃圾(Web Spam)作弊技术进行分析的基础之上,运用了文本分类的技术思想,结合垃圾博客本身“链接工厂”和“广告博客”的本质属性,提出了两种特征提取算法模型:本地特征提取模型和全局特征提取模型,用以完成对垃圾博客的特征提取工作。随后,本文采用支持向量机作为实验中的自动分类算法,运用本文提出的算法模型对博客网页进行分析和特征提取,并以正确率、查准率、查全率对分类效果进行评价。最后,本文在开源搜索引擎Nutch基础上,实现了带有过滤垃圾博客功能的博客网页搜集系统。