当前,互联网上的信息是如此的丰富以至于用户试图通过浏览Web来发现自己需求的信息已经变得非常困难,往往花费了很多时间却所获甚少.在这种情况下,如何有效地检索Web信息,以帮助用户从大量文档信息集合中找到与给定查询请求相关的文档子集,也就成为一项重要而迫切的研究课题.网页自动分类已成为一项具有较大实用价值的关键技术,是组织和管理数据的有力手段.近年来,基于内容的信息检索已成为信息处理领域的研究热点问题,国内外许多学者和研究机构开展了这一领域的研究和开发工作,并取得了许多成果.对网页内容的理解或特征提取一般具有两种方式:基于文本的和基于结构的(如HTML的title,head,超链接等).目前关于文本分类的文献较多,如Lewis的线性分类器、Cohen的权值更新休眠专家算法、Lin的词语关联语义方法等.近年来关于网页自动分类的研究备受重视.本文考虑用Bayes理论对Web网页已知类别的样本集进行分类器设计.