随着现代通信技术的高速发展与Internet的普及,万维网成为了目前最巨大、分布最广泛的信息服务中心,自从2001年以来,目前超过30亿网页在线,每天以上百万的新网页的速度不断增加,面对这些爆炸式增长的海量网络信息,如何从中有效获得有用的、感兴趣的信息是现代信息研究的重要课题,为了解决这个问题,结合Web信息的异质、非结构化的特点与传统的数据挖掘技术结合起来,形成了一个新的具有挑战性的课题,即Web挖掘技术,其目的就是在WWW中发现和分析有用的信息。本文主要研究Web挖掘技术中的分类算法,所做的工作包括以下几个方面：1简单介绍了文本分类的研究背景和现状,阐述了现今在文本分类方面常用的算法思想,包括朴素贝叶斯算法、支持向量机方法、决策树方法以及K最近邻算法。2简单介绍了用于Web文本分类所需要的关键技术,页面内容的提取、文本分词、停用词处理、特征词提取等技术。3着重分析了K近邻算法的优缺点,并针对KNN算法的懒惰性缺点提出了两种改进算法,根据传统的相似度计算公式应用于网页文本分类的缺陷,提出了改进的相似度计算方法。通过实验,实现了改进的K近邻算法与传统K近邻算法的比较,发现在各自改进上性能都有所提升。本文的改进算法可以有效的应用于Web数据挖掘、信息检索等应用研究领域。