随着互联网技术的飞速发展,互联网上的信息呈现指数级增长,人们通过传统的搜索引擎越来越难以获得自己感兴趣的信息,个性化推荐系统就是在这种背景下产生的一种帮助用户解决信息过载问题的技术。　　本论文采用了文本分类方法来对网络小说进行分类和推荐。文本分类是自然语言处理领域一项重要技术,它将文本集合中每篇文本划分到一个预先定义的类别之中。文本分类的关键技术之一是如何提取特征向量,本论文通过对比TF-IDF、信息增益、开方校验法等三种不同的特征抽取技术,以选择最适合网络小说文本分类应用的特征抽取技术。进而,本论文采用支持向量机(SVM)对小说文本进行分类,并通过分类器的组合来提高分类速度。　　通过基于内容的推荐技术、基于协同过滤的推荐技术、和以上这两种推荐技术的融合,本论文构建了网络小说推荐系统框架。实验结果表明本系统可以很好的为用户推荐其可能感兴趣的网络小说。