文本自动分类是一种有效的信息处理方法，广泛应用于信息检索、信息过滤、信息管理、数据组织等领域。随着计算机和网络通信技术的发展，Internet迅速成为海量的、动态的全球信息服务中心，如何在浩若烟海而又纷繁芜杂的Web文档中掌握最有效的信息成为信息处理技术遇到的新的挑战。Web文本自动分类技术是目前Web数据挖掘的研究热点之一，它能够有效地组织和管理Web资源，提高信息检索的效率。网页自动分类技术与主题搜索、个性化信息检索、信息过滤、信息主动推送服务等技术相结合，可以有效地提高了信息服务的质量。 传统的Web文本分类是根据网页所涉及的主题来进行分类，如将网页分为政治类、军事类、经济类等等，而根据网页中作者对所描述内容的看法、观点等主观感情色彩进行分类的研究较少，我们称后者为情感分类。网页内容的褒贬性就是明显反映作者观点、态度的感情色彩之一，网页褒贬倾向性分类是未来多角度、立体性、个性化文本分类的研究内容之一。 本文探讨了网页褒贬色彩的客观性和褒贬倾向性分类的可行性，提出了名人网页褒贬感情色彩的综合评价方法。作者通过构建褒贬义词典和褒贬评价模板，提取出网页文本中具有情感取向的褒义词、贬义词及语法结构等褒贬特征，结合情感计算和层次分析法的相关理论，建立褒贬评价模型，实现对名人网页褒贬感情色彩的综合度量。同时，针对褒贬倾向的局限性，文中还提出了一种领域褒贬词典的构建方法，并探讨了使用模板自动更新褒贬词典的可行性方案。 在上述研究的基础上，结合自动分类技术，本文进一步探讨了名人网页褒贬倾向性分类的工作原理和实现方法，提出了LSI和KNN相结合的褒贬分类模型。根据网页的褒贬评价结果，提出了一种新的文本相似度计算方法，并给出了有关特征提取和分类过程的具体算法。最后，在名人网页数据集上，对上述理论进行了实验验证，取得了较好的成效。