随着互联网的迅猛发展,为了有效地组织和分析这些海量的网络信息,人们希望对网页实现自动分类。因此,网页分类技术成为快速有效地组织网络信息的一项重要技术。而支持向量机(SVM)因其出色的学习能力,已成为机器学习界的研究热点。　　 本文介绍了网页分类的预处理技术、常用的网页分类方法和网页分类评价标准,阐述了SVM的基本原理、各种训练算法、SVM多类分类方法和发展方向,分析了SVM技术在网页分类中的重要性。针对多类网页分类中样本集不平衡的问题,提出了基于欠取样和反馈学习的不平衡SVM多类分类算法,使用最小距离欠取样的方法和反馈机制,改善了分类超平面的位置,提高了分类准确率。针对多类分类准确率不高的问题,采用距离最大熵的思想构造SVM多类分类中二叉树叶节点的类别顺序,提出了基于最大熵的二叉树SVM多类分类算法,将与其他类别相近性最小的类别先分离出来,降低了根节点以及上层节点的错误积累现象,解决了信息的概率分配问题,提高了SVM多类分类的准确率。将改进后的SVM多类分类算法应用于中文网页分类系统中,并进行对比分析。实验数据表明,本算法提高了网页分类的准确率。