Web文本分类是指将Web文档集合中每个文档归入一个预先定义的类别之中,是Web文本挖掘的一项重要技术,同时也是智能信息检索和处理领域的一个新兴和重要的研究方向。由于国内相关技术起步较晚,加上中文语言的特殊性,中文Web文本分类技术相对落后。本文分析了Web文本分类的重要意义,介绍了国内外文本分类研究现状特别是中文Web文本分类研究现状,详细介绍了中文Web文本分类的过程与关键技术:首先是Web文本预处理,然后是文本表示、索引生成、特征选取等步骤,包括多种特征选取方法;接着,详细介绍了几种文本分类算法,包括KNN和SVM、朴素贝叶斯等;然后,介绍了常用的文本分类算法的评价指标。本文重点对中文Web文本分类技术进行了发展和改进。本文将SVM和KNN的结合算法SVM-KNN算法应用于Web文本分类,以弥补传统SVM算法的一些缺点,获得更好的分类效果;提出了一种基于密度的调整KNN训练集的方法,通过对训练集的调整,降低了KNN算法的分类计算复杂度,同时提高了分类准确性;提出了一种用无监督聚类算法指导文本分类的方法,以解决没有训练集的文本分类问题。对于所提出的每种算法,本文都给出了相关的实验数据,通过实验,验证了改进效果,证实了算法的有效性。最后,本文设计并实现了一个中文Web文本分类系统,详细介绍了系统的各个模块的设计以及系统训练集和测试集的选取。本文的实验均是在这个系统上完成的。