1、信息技術的發(fā)展和互聯(lián)網(wǎng)資源的迅速膨脹對傳統(tǒng)的搜索引擎提出了挑戰(zhàn)。在提高搜索引擎對信息的檢索效率和用戶操作的方便性方面，中文網(wǎng)頁自動分類技術是一個有效的解決方案，是中文信息處理中的重要環(huán)節(jié)。它能夠自動地把搜索引擎檢索到的結果歸類，便于用戶按類別進行查找，提高檢索信息的效率，已成為信息檢索方向的研究熱點。 介紹了網(wǎng)頁分類的原理、流程和分類的各項關鍵技術。闡述了網(wǎng)頁預處理、向量空間模型的原理、特征選取技術、流行的分類算法和分類的評價指

2、標，對這幾種分類算法的分析表明KNN算法是最適合應用于網(wǎng)頁分類的分類算法。概括了網(wǎng)頁分類在搜索引擎中的重要作用。深入研究了KNN算法，分析了國內(nèi)外主要的改進算法，發(fā)現(xiàn)KNN在大規(guī)模在線分類方面存在著效率上的缺陷。從修剪訓練集合的角度出發(fā)，提出了一種生成代表樣本集合的算法，并在中文網(wǎng)頁分類器CPCK上進行驗證。實驗證明，與普通的KNN分類算法相比，代表樣本算法的分類效率得到了一定程度的提高。從網(wǎng)頁的布局和功能進行分析，發(fā)現(xiàn)在網(wǎng)頁的分塊信息