随着网络信息技术的高速发展，Internel上的Web页面数量呈指数增长，如何有效的组织和处理这些海量信息，如何更好地搜索、过滤和管理这些网络资源，成了一个亟待解决的问题。其中，Web文本分类技术是信息检索和数据挖掘的核心内容，基于机器学习的文本分类方法已经取得了较好效果，但是它仍然存在如何提高分类精度和分类速度两大难题。 本文研究的对象是中文Web本文，针对中文文本的特殊性，首先研究了中文分词方法，并提出了一种基于二元语法的N-最大概率中文粗分模型，该模型能够较好地得到少量高召回率、高效率的粗分结果，更大程度地保留歧义字段和未登录词，进而提高后续分词质量。然后针对中文Web本文的信息量巨大且内容更新速度快等特点，提出了一种新的Web文本表示方法，即基于新词发现的表示方法：用词和新词共同来表示Web文本，理论和实验表明该方法可以帮助识别未登录词并扩充现有字典，能够增强Web文本表示能力，改善Web文本的特征项质量，最终提高Web文本分类效果。 在现有分类算法中，KNN算法是一种简单、有效、非参数的分类算法，在Web文本分类中得到广泛的应用并取得较好的分类效果；但是该算法存在两个显著不足，其一：计算量巨大，它要求计算未知文本与所有训练样本间的相似度进而得到K个最近邻样本；其二：当类别间有较多共性，即训练样本间有较多特征交叉现象时，KNN分类的精度将下降。针对KNN这两个问题，本文提出了一种改进的KNN分类算法，即先通过Rocchio算法快速得到k0个候选类别，然后在k0个类别中采用改进的相似度计算方法来提高分类精度。由于Web文本资源通常采用层次结构来组织，因此本文也探讨了层次分类，提出了层次结构和KNN算法相结合的Web文本分类算法，利用层次结构来提高分类速度，而KNN算法弥补层次分类中的精度问题。实验表明，以上两种改进的KNN分类算法都能很大程度地提高分类效率，同时也一定程度上提高了分类精度。