互联网的迅速发展导致Web信息飞速增长,Web已经成为世界上最大的信息来源。由于Web资源的迅速膨胀以及Web信息的分散性与异构性,导致知识的难以查询。目前,互联网已经发展成为拥有亿页面的分布式信息空间,而在这些异质的亿页面的资源中,蕴含着大量的人们迫切需要的知识,如何对这些庞大的Web信息进行知识提取,成为近年来的一个研究方向,并产生了新的研究领域,即Web数据挖掘。Web文本挖掘是Web数据挖掘的一个研究分支,Web文本挖掘可以提高人们获取Web信息的效率,对Web资源进行分门别类,帮助用户快速的对目标知识进行定位,并且能够从中抽取有价值的知识。本文研究并利用Web文本挖掘技术对Web信息进行挖掘,实现对Web文本的分类,详细设计并实现了具备完整功能结构的Web文本挖掘原型系统,重点讨论了当前流行的Web文本挖掘的关键技术,主要的研究工作包括：1.介绍Web文本挖掘的背景知识,分析Web文本挖掘的研究背景和现状,并探讨了Web文本挖掘的意义；2.详细分析和讨论了Web文本挖掘过程的关键技术,包括中文分词技术、权重计算方法、Web文本特征的表示和提取方法；3.讨论了几种常用的Web文本分类和聚类的算法：KNN近邻算法、朴素贝叶斯方法、SOM自组织映射算法、K均值算法,研究了K均值算法和遗传算法的理论和优缺点,在此基础上,提出基于K均值和遗传算法的聚类算法,并对其进行了实验,在挖掘评价方法的基础上,验证该算法的可行性。基于以上的研究成果,本文描述了Web文本挖掘原型系统的设计和实现细节。