随着互联网的快速发展,Web资源已成为企业获得竞争情报的重要来源。但是,从Web资源中获取的文本情报信息量往往比较大,来源广泛,不利于阅读分析,同时也存在着很多重复的内容,大大降低了文本情报的利用价值。如何通过Web文本挖掘技术来提高文本情报的利用价值成为本文研究的重点。本文通过分析Web页面结构,设计和实现了解析HTML文档树的方法,并从Web页面中抽取出了具有真正意义的文本内容。采用了基于字典的统计分词算法对文本进行分词处理,并在此基础上去除了文本中的无意义词。在分析已有关键词提取方法的基础上,引入了一种基于词的统计和分布的权重计算方式实现了文本关键词的提取。综合考虑关键词、句子在文章中的位置以及特殊标记等因素,采取直接从文中提取句子的方法实现了文摘的自动获取。针对重复的文本情报,在计算文本特征句最长公共子序列的基础上实现了文本情报的去重。本文同时分析了SVM分类器所存在的问题,在SVM分类器两类可分的基础上通过结合二叉决策树实现了多类可分,并且设计了SVM决策树的生成算法,然后在此基础上实现了文本分类挖掘。综合本文中研究的知识和技术,设计和实现了面向企业竞争情报的Web文本挖掘系统,并应用在企业竞争情报分析与挖掘服务系统中。