随着Internet规模的迅速增长，网上的信息资源也随之迅速增长。WWW资源的迅速膨胀固然得益于其内在的分布性、开放性和异构性，但也正是这一点，使得用户在网上迅速、准确地获得所需信息变得越来越困难。也就是所谓的“Rich Data Poor Information”。因此，信息搜索引擎是当今必不可少的工具。而如何使搜索引擎更及时、方便、准确地查找到所需的信息，正是本文的研究课题。 本文对信息搜索引擎的研究现状和发展趋势进行了详细的分析和综述，并对移动Agent理论和技术进行了深入的学习，将移动Agent理论应用到信息搜索引擎，建立了基于移动Agent的信息搜索引擎的总体框架，并对其中的一些关键技术做了进一步的论述。利用IDL语言定义了Agent在多种平台上移动的接口，设计了一个符合MAF规范的插件，实现Agent在异种平台之间的移动；利用动态最小生成树算法解决移动Agent的路由选择问题，综合集中式搜索和分布式搜索的特点，动态寻找出一条Agent移动的最佳路线；通过统计分析得到移动Agent克隆的数学模型，通过计算可以获得Agent克隆个数的最佳值。 本文根据中文信息处理的特殊性，在原有的最大匹配分词算法的基础上进行改进，通过引进预处理过程，利用长词优先规则得到一个较好的分词算法。同时，应用数据挖掘技术及Agent技术建立了中文信息搜索模型。该模型通过文档分类Agent调用类层次结构生成算法，实现对搜索到的内容自动分类的功能。本系统构造用户访问模式，采用数据挖掘和机器学习等技术，对日志文件、CGI参数中的信息以及用户发出的查询请求和用户已浏览过的查询结果进行不断的分析，使其具有个性化，能主动地从Internet信息空间中发现和收集用户感兴趣的信息。