当前,网页自动分类是一个充满前景而又广受关注的话题。它优化了互联网信息检索系统,使人们能方便、快捷地获取所需要的信息。然而,随着海量Web信息资源的迅猛发展,如何保证网页分类质量是一个亟待解决的难题。再加上人们对分类准度要求更加“苛刻”,网页的自动分类系统面临着更大挑战。其中将网页按体裁来分类是信息检索系统所提出来的、不同于传统按主题分类方法的网页分类需求,而目前人们在这一方向上的研究还不充分。为此,本文首先描述了一个完整的基于体裁的网页分类过程,并在实现一些经典特征提取算法的基础上,提出了新的特征提取方法,同时实现了三种主要的分类算法,并对他们的结果进行了试验对比。本文主要侧重特征选择和分类算法,具体研究内容包括:(1)本文实现了九种特征项选择方法,并以金融搜索为平台,对它们进行了研究和比较。在此基础上,我们提出了一种新的相对词(opposite words)特征项处理方法。OW本身有局限,刚被提出时,只对含有相对词的数据集有效。不过,随着对广义相对词的重新定义,OW局限性得到改善。实验结果表明,当OW与其他八种方法分别结合使用时,均有效地提高了分类器的质量。(2)在实验室的海天园金融搜索引擎系统上,我们实现了SVM、Baye和Na?ve Baye分类器,并对他们进行了分析和比较。不同的分类算法与不同的特征选择方法相结合,最后结果差异较大。我们希望找到最好的组合,并对分类过程中的各种技术进行优化,使最后分类效果达到最佳。最后,我们实现了各种特征提取算法与不同分类器方法的结合,并用实验进行了性能对比与分析,从而实现了对金融信息体裁分类方法的优化。