信息技术的迅猛发展,特别是Web 2.0普及后用户参与度的大幅度提高,用户不仅可以在线欣赏视频,还可以成为网络视频资源的提供者,所以Internet的视频资源急剧增加,Web视频资源的搜索与监控成为一个亟待解决的问题。本文围绕着如何在实际网络环境中快、准、全的搜索出视频资源的需求,在深入研究爬虫的工作原理的基础上,提出基于动态Web视频资源特征库的视频资源疑似度评估模型,设计在线增量学习算法以动态调整和丰富视频资源特征知识库。然后经过不断进行优化和改进,从而较大幅度地提升系统的运行效率,最终达到可实际运用的性能。本文的主要成果可以归纳为以下几个方面:(1)对实际网络视频资源特征与分布进行深入调研,通过分析已知的Web视频节目特征,提取其中可以用于评估一个页面视频节目疑似度的特征线索,并设计这种特征的表示模型,最终形成一个Web视频特征知识基础库。(2)在对爬虫技术深入研究的基础上,借鉴了主题爬虫设计思路,结合在Web上发现视频资源的静态爬行模型,提出了基于在线增量学习的视频资源发现模型,并进一步设计了具备更高性能的Web视频发现改进模型,并基于该模型,提出了一种基于增量学习的视频资源发现算法。(3)通过对实际性能的考察和调优,针对提出的视频资源发现模型,设计了大量可以控制的配置参数,并通过调研、实验对比,给出了实际操作中可以使用的参数范围。(4)基于上述的理论研究成果,设计了具体的视频资源发现系统的体系结构和各个模块的具体流程,形成一个高性能Web视频只能发现系统的详细设计,并最终实现成为可实际运用的系统。