因特网目前是一个巨大、分布广泛、全球性的信息服务中心。它涉及新闻、广告、消费信息、金融管理、教育、政府、电子商务和许多其它信息服务。Web包含了丰富和动态的超链接信息,以及Web页面的访问和使用信息,这为数据挖掘提供了丰富的资源。Web挖掘就是从Web文档和Web活动中抽取感兴趣的潜在的有用模式和隐藏的信息。首先,本文对搜索引擎和Web页面挖掘进行了系统性的综述,内容包括搜索引擎的工作原理、搜索引擎分类和Web挖掘分类等方面,并重点分析和总结了经典权威页面挖掘算法的优缺点。然后,对酉变换理论及乘幂法基础知识进行了介绍,详细介绍了奇异值分解变换(简称SVD)和截断奇异值分解变换(简称TSVD),这些内容是本文研究内容的数学理论基础。本文研究的核心内容是Web挖掘技术,将Web内容挖掘与Web结构挖掘两种思想相融合,给出基于截断奇异值分解的权威页面挖掘算法。基于TSVD的权威页面挖掘算法的处理过程主要分为两个部分,在Web结构挖掘基础上结合页面权重的内容挖掘变换算法,得到一个权重链接矩阵,然后对该矩阵进行TSVD变换,得到最终权威页面的排序。已有的文献所采用的权威页面挖掘算法基本上都是只采用一种挖掘机制,其中基于Web内容挖掘的算法较多,研究也比较成熟,基于Web结构挖掘的算法相对较少,两种机制各有优缺点。在此基础上,本文提出的基于TSVD权威页面挖掘算法,实质上是尝试将两种Web挖掘方式结合起来,以一种互补的方式,实现权威页面的挖掘,目的是有效提高查准率和查全率。使用截断奇异值分解变换的目的是能降低计算量,过滤掉冗余的数学计算,提高搜索响应时间。最后,借助matlab仿真工具,对三种权重计算方案进行比较分析。详细介绍TSVD算法对典型的静态页面链接拓扑结构的权威页面挖掘过程,将经典PageRank算法的排序结果与TSVD算法的排序结果对比。仿真实验表明,本文提出的基于酉变换的权威页面挖掘算法相对于经典PageRank算法具有更好的查询性能和更高的查询准确度。