随着互联网音视频网站的蓬勃发展,这种新型的媒体形式已经逐渐开始取代传统的信息媒体。音视频网站作为面向全体人民的大众化服务,所有用户都可以上传、分享自己的音视频信息,这就给监管造成了极大的影响和困扰,因此建立一个针对全网音视频网站的音视频分析系统,从而对其进行全面实时的监控,成为了迫切的需求。音视频分析系统需要实时采集音视频信息,在采集的过程中需要对搜索到的视频网页信息进行过滤,把与分析内容无关的视频广告信息过滤掉,从而优化系统的整体运行效率,提升系统性能。由于以上原因,需要研究在实时计算环境下能够高效、准确地过滤相关网页信息的技术手段。现有的网页信息分类手段存在着效率偏低,带宽占用偏高,实时处理性能差等诸多问题,本文在已有的基于网页内容的网页分类技术的基础上,研究了基于链接特征的网页分类技术,并且结合了传统的基于网页内容的方法,给出了一种更适合解决实时网页分类问题的模型。本文的主要工作包括:(1)研究了基于链接特征的网页分类技术,改进了基于词语权重的特征提取方法,通过计算词语的链接相关频率来确定该词语的权重,该方法可以有效地减少URL切分后的特征维数,提升分类器处理速度,从而实现在实时系统中更快地实现网页分类;(2)将改进后的基于链接特征的网页分类技术与传统的基于内容的网页分类结合使用,给出了一种适用于实时计算环境的多级网页过滤模型。该模型可以通过流量变化进行动态调节,平衡网页分类的速度和准确率,保障多级网页过滤模型在实时系统中稳定、高效地对网页信息进行分类。综上所述,本文主要的工作内容是给出了一种新的特征提取方法,改进了基于链接特征的网页分类技术,并在此基础上结合传统的基于内容的网页分类技术,给出了多级网页过滤模型,并通过设计和实现了一套原型系统来验证该模型的可行性。