中文Web文档的自动分类主要还是以文本分类的算法思想为基础来进行的。但由于中文Web文档的数量巨大,内容多样,噪音繁多,很多比较成熟的文本分类算法直接应用到网页分类之后,效果变得非常不理想,因此也不能完全依靠现有的文本分类技术去进行研究。基于此,本文对在中文环境下的Web文档自动分类这一课题进行了研究,提出了一些提高分类精度的设想,并做了相应的实验,在这一过程中,主要完成了以下工作:(1)根据网页的链接关系,将待分类目标网页及其域内的后向链接网页合并作为整体输入分类器,而不是单纯的将目光局限于待分类目标网页。(2)设计了相应的网页爬虫,只下载待分类目标网页及其域内后向链接网页。(3)提出了一种网页噪音去除方法。并不局限于在网页中寻找主题内容,去除剩余噪音,而是通过引入本域内后向链接网页的主题词汇,提高主题词汇的数量,降低包含噪音词汇所占的比例,是一种以退为进的方法。(4)由于分类需要主题特征词汇,因此构建了一个主题特征词典,在分词的同时完成初步的特征选择。(5)利用装袋的方法,采用不同的训练数据,训练多个朴素贝叶斯分类器,综合每个分类器的分类结果,来提高分类的精度。(6)基于上述理论,设计了一个中文网页分类器,并做了相关的实验以验证算法的有效性。(7)由于国内并没有形成一个统一的关于中文网页分类的训练集、测试集,因此通过访问大量网站,收集形成了一个小规模的中文网页分类的训练集和测试集,以待日后发布,供广大爱好者们使用。经过实验证明,本方法相对于将单一的待分类目标网页作为分类对象,分类精度有了明显的提高。