如何自动对文章内容进行分类？

爬虫已经采集到足够的网页内容，但要实现分类查询，必须要先把内容分类－－如果是全文检索就不必了。
靠什么来自动分类呢？晚上在门口那条街上来回逛了好几趟，只想到“词频”这个词。

一定有人做过这个工作了。

如果“价格”出现频率高，那就是商业站点
如果“书”出现频率高，那就是网上书店

还可以用组合频率，如果“价格”＋“商品”出现频率高，那更加确定是商业站点

这个概率的度量应该怎确定呢？

我想按比重吧。概率统计没学好，这样分析太浅薄了。算法也得重新复习。

日益被公司的垃圾活所淹没，谋生艰难，脑袋都锈了。

又一位MM拒绝了我的....，好像注定了要光棍了。