本体层是语义Web体系结构中的核心层，伴随着语义Web的研究热潮，对本体的理论和应用研究越来越引起学术界和工业界的重视。本体的获取和构建是本体相关研究中的一个基础性环节，而本体重用是降低本体构建的复杂性和成本的捷径。 Web本体指在Web上发布的本体文档，是现存本体的主要资源。可以预见Web本体的数量会随着相关研究和应用的发展而持续快速增多。鉴于Web本体的分布性，需要对其进行组织和管理。类似于文本自动分类，Web本体自动分类是指在给定的分类体系下，根据Web本体的内容自动判别Web本体类别的过程。对Web本体自动分类有助于提高Web本体的查询效率，有助于本体的有效管理和重用。但是，目前相关研究工作较少涉及针对本体文档的自动分类，有些研究工作简单地将本体文档作为普通文档来处理，忽略了Web本体具有的明显的图结构特征。 本文调研和归纳了传统文本分类的方法框架和关键技术，深入地解析了Web本体的特性，在此基础上，针对Web本体的结构特征和语言学特征，提出了适用的基于向量空间模型的Web本体分类方法。该方法引入本体虚拟文档的概念，以虚拟文档中的词项作为Web本体用于分类的特征项。基于构造自RDF图的本体的词汇依赖图，采用相关基于图的排序算法，首先得到与构造本体虚拟文档相关的词汇对于该本体的重要性值，进而计算特征项的权值。初步实验表明该方法对于Web本体自动分类具有可行性。