随着Web规模呈爆炸性增长，特别是Web2.0的出现，用户生成内容大量增加，Web搜索结果出现了大量不可信结果。如何通过分析Web搜索结果的可信度进行Web搜索结果过滤，已成为一个亟待解决问题。本文主要研究基于Web社会网络的资源可信模型和基于Web资源可信模型进行Web搜索结果过滤的再搜索技术。　　 本文的主要工作有：1).分析了已有的Trust模型及Web环境下的Trust推导计算方法，提出了一个基于Web社会网络的资源可信模型WSN-RT；2).将WSN-RT模型引入Web搜索结果过滤，提出了基于WSN-RT对Web搜索结果进行过滤的再搜索技术；3).设计与实现了基于WSN-RT的再搜索原型系统。　　 本文主要贡献有：1).提出结合经验和时间因素的Beta分布的后验概率来计算Web社会网络成员间的Trust，以更准确地描述Web社会网络成员间的Trust变化；2)采用递减阀值的Trust推导算法进行Web社会网络的Trust推导，以减小Trust推导的误差；3).引入投票机制解决Trust推导冲突；4)通过用户各种浏览行为(隐式评价)建立用户对资源的Trust.。　　 本文实验和原型系统表明，基于WSN-RT的再搜索技术可为用户提供个性化搜索，返回用户可信的结果，提高搜索的满意度。