在传统的网页分类中,通常采用有监督学习,通过对大量有标记(labeled)的网页训练集进行学习来预测未标记(unlabeled)网页的类别。但是,获取大量有标记的实例需要花费大量的人力物力,而收集大量的未标记实例已相当容易。半监督学习就是在只有少量有标记数据的情况下,利用大量未标记数据来提高学习效果的。　　 本文详细介绍了在半监督学>J研究领域开展的两方面的工作:1.依据协同训练的特点及其衍生算法Tri-Training使片j集成学习的优点,在此基础上,进一步研究将集成学习和半监督学习结合的方法,提出了基于袋装的半监督分类算法,并使用了熵来筛选未标记数据,使用强数据以提升了分类的精度；2.进一步研究基于图的方法,图方法理论基础比较健全,很好的描述了数据的特征,但是其计算量很大并且图方法本身是直推式的,不具有归纳性。针对这些问题,重点研究了类别传播算法,最后结合聚类分析,先对未标记数据进行局部聚类,选择可信度高的进行标记,减少未标记数据量以加快计算速度。在归纳方面,则保持图模型结构不改变的情况下,使用聚类的思想,对新来的数据进行分类,减少图运算,提高图的复用性和效率。上述算法,在Weka平台上,使用UCI数据集进行测试,取得比较好的效果。　　 最后,使用提出的算法在搜狐新闻数据(SougouCS)进行了真实网页数据的测试,实验结果表明,该算法在精度和效率上有明显的改进和提高。