WEB服务和应用近年来得到了飞速发展，其信息量呈几何级数增长，每天都有数以百万计的网页加入到WEB中。它已经成为了一个涉及教育、政府、电子商务、新闻、广告、消费信息、金融管理和许多其它信息服务的、巨大的、分布广泛、全球性的信息服务中心。WEB网页它们之间相互链接，盘根错节，组织成了一个类似于人类社会的网络，结合链接相似性分析方法，将对WEB资源挖掘进行研究，帮助人们高效的获取所需信息，寻找所需领域的权威信息。本文针对WEB结构挖掘中的四个问题进行研究：WEB页面链接预测算法、垃圾页面（SPAM）识别算法、WEB结构挖掘算法以及WEB页面聚类算法。首先，提出了基于相似性的多路径游走链接预测算法。1）提出新的衰减因子，通过使用新的衰减因子定义出新的相似度公式；2）改进Rubin算法，与新的相似度公式相结合进行相似度计算，得出节点的相似度；3）对节点相似度排序，从而进行预测可能性判断，得出预测结果。4）最后通过实验对算法进行了验证。其次，提出了页面互相链接相似度的概念，然后给出了一个Spam页面链接结构的假设，并且提出了一种基于页面互链接相似度聚类的Spam页面识别算法，该算法考虑了网页之间会出现的彼此互相连接的关系，因此更加合理；并通过实验分析，验证了所提假设，并实验验证了算法的有效性。再次，针对PageRank算法其存在的“主题漂移”和偏重旧网页现象，提出了一种基于相似度和时间反馈因子的改进PageRank算法。第一步，利用向量空间模型VSM来计算链接文本和其指向网页之间的相似度；第二步，根据网页产生时间，设计一个时间反馈因子，削弱旧网页的网页等级值，提高新网页的网页等级值；第三步，将相似度值和时间反馈因子融入到PageRank算法计算网页等级值中，根据算法流程计算改进后网页的PageRank值。最后通过实验对算法的性能进行了分析。第四，研究国内外已有的基于局部信息的启发式聚类方法研究现状，然后进行总结分析；并详细研究基于局部信息的标签传播方法，分析该算法在迭代过程中，采用随机策略为某个节点选择所属的簇结构时所存在的问题；随后提出了一种针对随机策略选择簇结构问题的改进聚类方法——基于节点属性相似度的标签传播算法；最后，为了帮助高效的发现互联网的分组信息资源，通过实验对该算法的有效性和性能进行了验证，并将其在实际的网页聚类中进行了应用。本文最后得出结论，并对未来工作进行了展望。