随着Internet的飞速发展,网络上的信息呈指数增长,其内容之丰富,种类之繁多堪称世界上最大的图书馆,如何有效地查询到符合用户兴趣的内容,关系到我们能否充分利用这个巨大的信息资源的问题。于是,针对用户个性化需求的信息过滤系统便产生了。信息过滤技术也成为当今信息技术领域讨论的热点。本文主要针对网络文本的信息过滤技术进行研究。本文在对国内外信息过滤系统分析研究的基础上,从分析中文文本信息处理和文本信息过滤两方面入手,详细地讨论了文本信息过滤中的影响过滤结果的几个关键技术。一方面,对自动化的中文分词和文档分类技术进行了研究,提出了适合文本信息过滤的合理的文本处理方法,最后利用基于潜在语义LSI的概念空间向量模型对文档进行描述,兴趣主题分类。另一方面,在对用户需求进行基于伪反馈和局部上下文分析的查询扩展的基础上,构建扩展后的兴趣文件模型,并把主题的权重信息加入到用户兴趣模型中。而且提出了在协同过滤方法中的基于用户兴趣主题的用户分类和利用典型反馈对新用户进行智能化推荐的过滤策略。最后在构建的基于Agent的文本信息过滤系统上,实践了这几个关键技术的应用,系统取得了满意的过滤结果。