随着Internet网络的高速发展,信息爆炸时代也随之到来。由于Internet的开放性、动态性、异构性使得用户很难快速、准确的从WWW上获取所需的信息,因此如何有效的从网络上获取有价值的信息成为当前研究的热点。Web文本挖掘技术就是解决上述问题的一种方法,它借鉴数据挖掘的基本思想和理论方法,从大量半结构化、异构的Web文档的集合中发现潜在、有价值的知识。本文主要研究中文Web文本挖掘技术。本文首先介绍了Web文本挖掘的研究背景、研究意义、研究现状以及相关的理论知识。其次,研究了Web文本信息提取问题。本文根据Web页面的特征,在分析其结构的基础上,设计并实现了一种利用网页的DOM树结构基于统计的网页有效信息提取方法。该方法有效地过滤掉了首页类型、图片类型以及框架类型的网页,并有效的剔除主题型网页中的标签、广告、图片等内容,保留网页正文及相关信息。接着,本文对传统的权重计算算法TF-IDF进行了分析,并针对其不足之处,在综合考虑特征项的类分布信息和文本语义两个方面的基础上对该算法进行了改进。并将TF-IDF算法以及改进后的算法应用到KNN分类中进行实验,实验结果证明了该算法的有效性。最后,在基于以上研究的基础上,构建并实现了一个中文Web文本挖掘系统的原型—CWTMS(Chinese Web Text Mining System)。