随着Internet的发展,网上的信息量在飞速的增长。同时,信息的内容也逐渐多样化,各式各样的内容涌现到网民面前,其中不免有些不良和不安全信息的存在。如何有效的从众多的信息中尽快的获取真正所需要的内容?如何避免不良和不安全的信息在网上传播?信息过滤为其提供了一种解决方案。Internet上的信息大部分是以Web文本的形式出现的。对Web文本内容进行过滤,涉及的主要技术包括:中文分词、特征提取、文本分类等。中文文本信息过滤的过程一般是把整个文本进行中文分词,根据特征项将文本转换成向量的形式,通过一定的数学模型对向量进行计算,根据计算结果对文本进行分类。过滤的实质是在用户阅读信息之前先代替用户对文本的内容类别做出选择,把与用户需求无关的内容过滤掉,以提高用户获取信息的效率。基于多层次的Web文本信息过滤方法是模仿人类信息过滤的方法而提出的。人们平时看报纸或书籍时,先对报纸或书籍进行浏览,根据标题或者书的目录选出喜爱的文章,再去详细的阅读。方法将文本的表示分为标题和正文两个层次。在过滤时,先对标题内容进行关键字过滤,如果通过筛选,则直接将文本提交给用户供用户阅读;否则将正文的文本表示成向量的形式,由神经网络分类器对其进行分类。神经网络分类器先采用弹性BP学习算法对神经网络进行训练,对网络的一些参数进行调整,最终形成效率较高的神经网络。当新的待分类文本的向量到达时,直接用训练过的神经网络对其进行分类。