随着科学技术的迅猛发展，特别是因特网的快速发展，网上信息浩如烟海，互联网上的中文网页信息数以亿计。如何利用计算机技术快速有效的获取相关信息已是中文信息处理领域的一个研究热点。大部分网络搜索引擎主要是根据对信息的主观分析建立索引，从而在一定程度上减轻了人们寻找自己所需信息的工作量。就目前来说，搜索引擎对网络信息的整理，依然是半自动化半人工的方式。如何提高搜索引擎的信息搜索的智能化程度，提高搜索效率，降低人工二次搜索的工作量已成为当前智能搜索的研究热点。中文文本分类技术为此类问题提供了一个切实可行的解决途径。本文首先介绍文本自动分类的主要方法，分析中文WEB文本的特点和提出中文WEB文本自动分类的关键技术，实现了一种中文WEB文本自动分类工具的总体设计及各功能模块。基于机器学习的中文文本自动分类系统由三个主要功能模块组成：网络蜘蛛、WEB文本预处理和WEB文本自动分类器。首先讨论了网络蜘蛛的遍历策略及其中集成的SUN公司的HTML解析器、WEB文本预处理中的WEB文本过滤技术与中文文本分词方法及中文词典的存储结构，在此基础上分析了基于机器学习的特征选取方法和文本分类器中采用的贝叶斯文本分类算法及对该算法的改进。WEB文本自动分类系统无需用户显式地给出检索要求，通过学习用户感兴趣的样本文本自动建立用于WEB文本分类的特征词库，通过特征词条匹配自动实现WEB文本的分类，有效地提高了WEB信息检索的精度和速度。