在科学技术飞速发展的时代,网络已成为人们生活中一个不可或缺的部分。网络承载了巨大的信息量,面对这些海量的信息,如何从中快速有效地选择出用户感兴趣的信息内容是信息检索中的一个重要问题。有效信息的筛选可看作是Web信息抽取和分类的过程。本文设计了一个基于隐马尔可夫模型的教育新闻网页信息抽取与分类系统,主要实现了网页主题信息抽取、特征选择与提取、文本分类等功能,并将分类结果存储在结构化的数据库中,为教育研究与教育实践管理提供信息支持服务。首先,介绍了Web信息抽取和文本分类的概念,对常见的技术做了分析比较,并给出了结果的评价方法。然后重点介绍了隐马尔可夫模型及其主要算法。接着,在分析教育新闻网页的结构特征的基础上,提出了基于隐马尔可夫模型的教育新闻网页信息的抽取方案。先对网页源文档进行部分噪音过滤,净化网页。然后,采用最大字符串匹配算法获取新闻标题,并进一步定位新闻主题内容。最后,利用隐马尔可夫模型对粗略定位的主题内容进行状态标注,删除标记为“噪音”状态的信息,即可得到主题信息。然后,针对教育新闻文本的分类问题,设计了可用于进行分类的隐马尔可夫模型,并分析了其可行性。结合词频反文档频率和卡方计算选择出特征词,并用Apriori算法进一步挑选出具有强关联性的特征词组。计算词、词组与文本类别的相关度并选择相关度最大的类别作为当前文本的类别。最后,实现了基于隐马尔可夫模型的教育新闻网页信息抽取与分类系统。从网上下载900多篇网页和3000篇文档用于测试系统。实验结果表明,隐马尔可夫模型可应用于网页主题信息抽取及文本分类,并且可取得较高的抽取与分类精度。