文本分类资料收集
文本分类过程：http://www.cnblogs.com/luchen927/archive/2012/02/14/2349551.html；
语料库资源：
1：搜狗中文新闻语料库：http://www.sogou.com/labs/dl/c.html；
2：博客园园友自行收集的语料库：http://www.cnblogs.com/finallyliuyu/archive/2010/09/10/1823676.html；
两者皆为新闻类信息，前者标题使用数字表示，不便于对分类结果的快速验证；后者资源在数量，准确性、平衡性方面稍欠缺。
网页正文抓取相关文章：
1：园友蛙娃正文抓取器：http://www.cnblogs.com/onlytiancai/archive/2008/04/12/getmaincontent.html；
2：园友finallyliuyu正文抓取器：http://www.cnblogs.com/finallyliuyu/archive/2010/09/29/1838442.html；