随着互联网在我国的高速发展,我国已经逐步实现了社会的信息化,通过人口庞大的网民组成了一个数字社会。在这个数字社会中,网站是人们获取信息服务的重要手段。我国拥有着数量众多的网站,而每个网站又提供了大量的网页。然而其中许多网站并没有得到有效的维护,每年都有大量的网站被黑客入侵,导致网页被篡改,而篡改的网页基本上都在传播着有害信息,此外在政府的监管之外还存在着大量境外的专门传播有害信息的网站。这些大量地充斥在互联网上的有害信息不断地侵蚀和危害着正常的社会生活,因此要求政府相关部门需要对这一问题进行监管与治理,而监管的手段就是对各个网站发布的网页进行有害信息内容进行判别检测。因此,本文针对有害信息网页进行分类判别的问题进行研究,目的是通过多种手段提高针对网页中的有害信息内容的识别效果。本文围绕针对网页中的有害信息内容对网页进行分类的问题进行研究,主要的研究和贡献如下:（1）针对有害信息网页使用技术手段规避数据抓取导致普通的网页文本提取方法无法有效地抓取网页文本内容数据的问题,提出了网页实际显示文本提取方法。该方法通过使用无头浏览器实际加载网页得到其真实的内容后再进行文本提取操作,从而得到目标网页实际显示的文本内容数据。（2）为了更好更充分地利用网页中的图像数据,提出了使用网页全页面截图作为网页图像表示的观点。并且针对网页全页面截图长宽比过大不方便作为图像分类算法的输入的问题,提出了一种基于硬注意力机制的网页图像表示选取方法,通过从全页面截图上选取更有利于图像分类的部分,解决了长宽比不合理的问题。（3）使用网页文本数据进行分类时,进行了针对网页文本内容的停用词挖掘,通过去除网页文本中特有的停用词降低了数据中的噪声。提出了多层次特征融合文本分类模型,实现了对网页文本进行更好的分类预测效果。（4）结合网页的文本模态数据以及图像模态数据,提出了多模态融合网页分类模型,取得了不错的分类效果。