随着Web上多元化信息的增长,传统的搜索引擎,即通用搜索引擎已经不能满足人们对个性化信息检索服务日益增长的需要。近年来,专业搜索引擎应运而生,以提供分类更细致精确、数据更全面深入的网络搜索服务。在专业搜索引擎中,定题爬虫以何种搜索策略访问Web,以提高效率,是近年来专业搜索引擎研究中的热点问题之一。因此本文工作的核心是对定题爬虫的搜索策略进行研究。本文在深入分析三类经典定题爬虫搜索策略优缺点的基础上,提出了一个基于本体的定题爬虫系统模型,对模型结构中的三个主要组成部分:主题相关性判定策略、URL队列优先权排序策略、本体管理进行了研究分析和方法改进。在主题相关性判定方面,通用的基于关键词的主题相关性判定策略精确度不高,为此,本文提出了基于语义的主题相关性判定策略。该策略从页面入手,将页面中与主题概念相关的关键词(主要指其同义词、上下义词、关系词)按不同的主题贡献度聚集成同一概念,从而能够有效地计算基于语义的主题相关性。实验表明该主题相关性判定策略比基于关键词的主题相关性判定策略有更高的精确度。为了能既精确的预测链接价值又避免“主题漂移”问题,本文提出了两种改进的URL队列优先权排序策略:一种是链接预测爬行策略,该策略先进行基于语义的主题过滤,再进行基于锚文本相关性的链接过滤;另一种是混合预测爬行策略,该策略先将父页面的语义相关度与锚文本的语义相关度综合起来,再对待爬行的URL进行排序。这两种策略都综合了内容评价和链接评价,实验表明两种策略各有优劣,可以根据不同的需要选择不同的策略。为了能跳出普通定题爬虫策略普遍存在的局部最优的缺点,本文引入了本体管理,除了设计有本体构建模块外,还设计了本体更新模块,通过机器学习算法,能自动根据爬行过程中在线学习的信息来进化原始本体的权值,使搜索位置在距离相关页面集较远时也有较好的性能。最后本文设计了一个定题爬虫原型系统――Focused Crawler,对本文提出的算法进行测试、分析、比较,并评价各个算法的优劣。