随着XML标准的普及,如何对海量的XML数据文档进行快速有效的分析挖掘成为当今一个研究热点。本文深入研究了XML文档中层次化结构特征和网络化链接特征的分析方法,探讨了融合结构信息、链接信息与内容信息的XML文档分类和聚类技术,设计并实现了一种有效的XML文档分类和聚类系统。　　本文首先研究了XML文档的结构信息和链接信息的分析获取问题,通过抽取文档频繁子树和外部链接,分析了结构单元在文档类别(聚集)间的分布特点,论证了结构信息和外部链接信息对XML文档进行分类和聚类具有重要价值。针对XML文档中,标签过多、文档树层次结构过于复杂的问题,提出了通过机器学习方法对文档树剪枝的策略,并解决了文档结构抽取中子树重叠和冗余的问题;在外部链接信息分析方面,本文提出了基于PageRank算法计算XML文档与类别关联度的方法,优化了XML文档链接信息的权重,提高了分类与聚类的效果。然后,研究了利用文档结构信息、外部链接信息以及文档内容信息进行XML文档分类和聚类的方法。针对海量的XML文档聚类问题,本文提出了基于划分的局部迭代聚类的方法。本文还研究了多分类类别和频繁子树的筛选策略,以及利用网络搜索和WordNet词义扩充方法解决短文本信息量较少等问题。最后基于文档结构信息、链接信息以及内容信息的分析,本文利用SLVM模型设计并实现了XML文档集分类和聚类系统,在INEX2009和INEX2010年XML Data Mining Track评测的数据集上进行了实验,实验结果均高于评测中最好的参评结果。