如何让Internet更好地为人类服务，是未来几年的一个真正挑战。一方面是人们对快速、准确而全面获取信息的渴望，而另一方面却是Internet上信息的纷繁芜杂，在这两者之间架设一座桥梁的确是一个巨大的挑战。作为从浩瀚的Web信息资源中发现潜在的有价值知识的一种有效技术。Web挖掘正悄然兴起，倍受关注。目前Web挖掘的研究正处于发展阶段，尚无统一的结论，需要国内外学者在理论上开展更多的讨论。同时，Web挖掘系统的开发对其研究也将起到很大推进作用。 本文对Web挖掘的有关理论进行了论述，着重讨论了Web文本挖掘系统的结构和技术。本文的主要内容包括： 一、详细描述了Web文本挖掘系统的构建，包括Web的数据模型，Web文本挖掘系统的体系结构，系统功能等； 二、具体讨论和分析了Web信息的自动获取的总体设计思想、主要实现技术，并给出了实现方案； 三、深入研究聚类和分类算法的关键技术，首先总结了在统计、机器学习和模式识别等领域的聚类/分类算法。随后从理论的层面来剖析聚类/分类算法，并介绍了一种基于粒度的分类算法； 四、介绍了在文本处理中如何提取文本特征，给出了一种权重计算的对偶性策略。