关联规则挖掘是数据挖掘中重要内容之一,旨在发现大量数据中项集之间的关联或相关关系。将关联规则挖掘技术应用于Web文档分类,可以更有效地组织和管理海量的Web信息,更快地查找网络上的信息。然而,目前大多研究者在Web文档分类中仅仅涉及到了正关联规则挖掘,而较少涉及负关联规则。负关联规则可以发现项集之间的负关联关系,是对正关联规则挖掘技术的补充,将负关联规则挖掘技术应用于Web文档分类,就可以发现那些负相关的Web文档,从而提高Web文档分类的正确度。然而,如何把负关联规则应用于Web文档分类还是一个新问题,为此,本文对这一问题进行了讨论,并提出了一种基于正负关联规则的Web文档分类方法。本文介绍了目前Web文档分类所涉及的分类方法,并对国内外正负关联规则的研究现状进行了总结,提出了一种基于正负关联规则的Web文档分类方法。该方法中首先对Web文档进行预处理,将非结构化的数据变成结构化数据,从而建立起新的事务集合；然后利用Apriori算法求出频繁2-项集后,用修改后的PNARC模型进行规则选择,删除矛盾的关联规则,得到正确的正负关联规则,从而区分出文档之间的相关性,以此来确定文档是否真正属于同一类别,并通过实验对这个方法进行验证,证明该算法可以对Web文档进行正确的分类。