随着网络信息数量的迅猛增长,"信息过载"、"信息超载"现象引起了人们的重视.信息过滤技术就是为了克服上述现象,减少用户在获得信息过程中的负担,向用户提供数量适宜、质量优良的信息.该文主要研究了基于内容分析的信息过滤技术.首先,该文较系统的综述了中文文本的自动分词技术和Web文本特征提取技术.介绍了三种比较常用的信息过滤模型——布尔逻辑模型、向量空间模型和概率模型,分析了三种过滤模型的优缺点.然后,介绍了两种常见的文本自动分类算法——简单向量距离分类法和贝叶斯算法,并对两种算法性能进行了分析和比较.该文还研究用户的信息需求的表示方法,信息需求的表示方法是影响信息检索和信息过滤结果的重要因素,文中介绍了一些基本的信息需求表示方法,并对各种表示方法对信息过滤结果产生的影响进行了分析和比较,为解决在信息过滤中表达用户的信息需求困难的问题,采用了一种新方法——固定文章集法.在这种方法中,用户可以通过评价一些专门选择的文章来表达自己的信息需求.这避免了用户选择关键词的困难,扩大了用户信息需求表达的空间.最后,该文详细介绍了网址分类采集系统的设计和开发.该系统中使用空间向量模型表示Web文本,采用简单向量距离分类法作为过滤算法,用固定文章集表示用户信息需求,实现了对互联网信息网址的分类和采集功能.