本文首先概述了Web的产生及其发展历程,从而引出了网络检索问题,并分析了目前搜索引擎的工作原理及其研究现状。由于Web上海量的信息处于不断的变化中,通用搜索引擎己经很难再为用户提供一个全面并且更新及时的信息搜索服务,其局限性在于它试图索引全部Web并且试图服务于所有主题的查询请求。而主题搜索引擎只覆盖与特定主题相关的Web区域,这样它搜索的可以更深,搜索的周期可以更短,因此能满足用户对获取信息资源快速、准确的性能要求。目前,对主题搜索引擎的研究正处于十分活跃的阶段。许多机器学习领域里的知识被应用到主题搜索引擎的设计和实现中。 本文在仔细研究当前主题搜索引擎相关文献的基础上,抓住如何评价页面的主题相关性和设计高效的爬行策略这两个关键问题,提出了一个主题型Web搜索器(TSWS),它是主题搜索引擎的核心。接下来详细论述了TSWS三个主要部分HTML解析器、Web爬行器和文本分类器的设计与实现。其中在HTML解析器的设计中,本文从HTML解析的一般概念入手,结合搜索引擎系统的特殊要求,建立了访问HTML语法树中链接结点的快速索引表,并特别考虑了解析器的容错性。在Web爬行器的设计中,本文结合对已收集页面内容的相关度评价,采用有效的启发式函数对待收集URL进行相关度预测,使得下载的相关网页数量最大化,不相关网页数量最小化,加快检索速度,节约网络资源。在文本分类器的设计中,用传统信息检索的空间向量模型改进了朴素贝叶斯分类器,提高了它的分类精度。最后本文也详细讨论了基于链接结构的Web检索技术的发展现状以及发展前景。