随着Internet的迅速发展和电脑的普及,人们可以更加方便快捷的在WWW上发布和获取信息,这些信息大部分以Web页的形式存在。根据Google统计,Web页的数量正以每天几十亿的速度持续增长。如何从浩如烟海的Web页中寻找并获取有价值的信息和知识,已经成为信息处理领域一个亟待解决的问题。Web页内容是半结构化或非结构化文本类型的数据,从中获取有用信息和知识的一个重要的技术手段是对其分类。和传统的文本分类相比,在对Web文本进行分类之前,需要去除里面所包含的HTML标记、脚本代码、广告代码、版权信息等。否则会影响文本的分类效果。但一些特殊的HTML标记却往往表明了这些HTML标记之间的词汇的重要性。基于此种想法,本文提出了基于位置的特征权重计算方法。KNN(K-邻近法)是常用的文本分类算法,分类效果也较其他文本分类算法好。但KNN文本分类算法的不足之处是容易受到K值和训练文本分布状态的影响。即,如果K值选择不当或者训练文本集中不同类别的文本数量相差很大,则分类的效果很不稳定。为了提高KNN算法的分类精度和稳定性,本文提出了改进的KNN分类算法-类内均值KNN算法。本文对文本分类中常用的特征权重算法和文本分类算法等进行了详细的介绍和分析,并对本文提出基于位置的特征权重计算方法和类内均值KNN算法进行了实验,实验结果证明了这两种算法的可行性和有效性。