本文研究了互联网中文文本分类的相关技术,并对其中χ2统计量特征词提取算法进行了改进和优化,实现了互联网中文文本分类系统。论文完成的主要工作如下：(1)以Heritrix平台为基础,通过对爬虫程序进行定制修改,开发了互联网文本信息采集子系统,实现了对互联网文本数据的实时、不间断自动采集。(2)实现了基于正文文本块算法的文本解析模块,能够对网页文本中的大量无用信息进行有效剔除,并使用标题、来源、作者、发布时间、正文的格式对网页文本进行重新组织和整理,形成统一格式。(3)实现了文本分类子系统。文本分类包括文本分词、停用词处理、特征词抽取和分类器学习四个主要步骤。停用词处理选取了词频、文档频率和熵计算三种方法进行了实现；特征词抽取选取了文档频率、χ2统计量和信息增量三种算法进行实现；分类器选择了贝叶斯、决策树和k近邻三种分类器。(4)对分类子系统进行了改进。通过对比试验,本文对相关算法的优缺点进行了对比分析,并确定了文本分类的最佳算法组合。对χ2统计量特征词提取算法进行了改进和优化,有效地提高了文本分类的准确性。论文将文本分类与网络爬虫技术等相结合,实现了互联网中文文本的自动分类,开发的系统具有一定的理论意义和应用价值。