为了能够有效地组织和分析海量的Web信息资源，帮助用户迅速地获取其所需要的知识和信息，人们希望能够按照其内容实现对网页的自动分类。Web的迅猛发展为文档自动分类技术提供了一个前所未有的实验环境和应用平台，同时也带来了新的挑战，需要在传统的技术基础之上，开展针对Web网页特性的研究工作。本文对中文网页自动分类技术这一具有重要理论意义和广阔应用前景的课题进行了研究和探索，主要的研究成果有：(1)中文网页内“噪音”的自动清除同普通文档相比，网页的设计比较随意，通常都包含大量“噪音”，这些“噪音”影响了网页分类的质量。为此，本文提出了一种自动从中文网页中自动清除“噪音”的方法。该方法通过利用中文网页的结构信息和内容信息，并结合中文网页自动分类技术，实现了自动从中文网页中自动清除“噪音”。实验结果表明，该方法不仅可以有效地从中文网页中自动清除“噪音”，而且，还可以有效地改进中文网页分类器的分类质量。(2)中文网页的特征项提取方法中文网页自动分类系统在解决实际问题时面临的主要问题之一是特征项空间的维数太高。为此，本文提出了一种特征项选取方法。该方法通过利用DF和IDF的意义，在DF文档频率方法的基础上改进而来。实验结果表明，该方法可以有效地改进中文网页分类器的分类质量。