目前,对于Web文本挖掘的研究主要还是利用相关特征值进行相关领域信息进行筛选,而无法识别部分信息中明显存在错误的信息或者明显和研究者不相关的信息。本文主要研究的是建立全新的面向XML的Web文本挖掘模型,采取数据清洗技术,就XML数据的模式级和实例级两大种类的数据质量问题来进行深层次挖掘,研究了一种新的算法用以提高文本挖掘的手段和能力,实现对Web页面文本进行有效和快速的挖掘。最后中利用Web的文本资料进行实验,证明该算法在文本挖掘中的可行性和有效性。全文共分四部分。第一部分:绪论。引入问题,介绍国内外文本挖掘和数据清洗方面的研究现状以及目前存在的问题;第二部分数据清洗与文本挖掘基本理论研究。首先,介绍了数据质量的概念和分类,并对数据清洗的基本理论做了详细的阐释。而后,简要介绍了文本挖掘的基础知识及一些相关技术规范,为后续章节打下理论基础。第三部分面向数据清洗文本挖掘方法的研究。并在结构化数据清洗研究的基础上,研究了专门针对半结构化数据的数据清洗方法,并对基于Web的文本资料中的相似重复数据进行数据清洗实现;第四部分结论与展望。总结了本文所做的工作以及对以后的研究做一些展望。