随着Internet及大容量存贮技术的迅速发展，Web上的信息日益丰富。从海量、异构的Web信息源中获取用户所需要的知识是一项很难的事情，同时也是一项亟需解决的问题。Google，Altavista及百度等搜索引擎的出现，为用户在互连网查找信息提供了便利，但是目前搜索引擎返回的文档质量参差不齐，难于满足用户对高质量检索结果的需求。针对目前Web检索结果质量不高的现状，“寻找与用户查询相匹配的高质量文档”也就是“主题提取”成了Web信息检索的研究热点。 　　本文对目前信息检索的各种关键技术进行了概述：介绍了传统的文档检索模型以及三种经典的链接分析算法，并对评测文档检索性能的各项指标进行了简要介绍。 　　在现有基于内容匹配的布尔扩展模型——最短片断模型的基础上，提出了一种使用链接语义分析的主题提取算法。通过引入概念层次树及使用概念距离来计算网页间的相似度，改进了HITS算法中扩展集的质量，从源头有效地抑制了链接分析算法的主题漂移现象；通过链接分权以及结合文档的内容语义，消除了垃圾链接并进一步排除了与查询主题无关的页面。最后，通过对文档的页面内容，结构信息，锚文本信息以及链接信息等特征的综合评分，得到最终的返回结果列表。实验表明，这种方法行之有效，能够较大程度地改善主题提取的质量。 　　最后设计并实现了基于以上算法的Web信息检索系统，并对其中的主要数据结构及索引创建过程进行了介绍。在TREC2003的主题提取任务上的实验表明，性能得到了较大的改善。论文最后对实验结果进行了比较分析。