1、　　隨著網(wǎng)絡技術的發(fā)展，網(wǎng)上的資源成指數(shù)級的增長，如何在Internet這樣的海量信息資源中迅速搜索和查找到用戶感興趣的信息已成為網(wǎng)絡上必不可少的需要。已經(jīng)有象Google和百度這樣成熟的通用Web搜索引擎出現(xiàn)，并在很大程度上滿足了用戶Web信息檢索的需求。目前的通用Web搜索引擎在傳統(tǒng)的全文檢索技術基礎上，更多地涉及到網(wǎng)頁數(shù)據(jù)全面快速的采集、海量網(wǎng)頁數(shù)據(jù)的索引和存儲、搜索結果的相關性排序、搜索效率的毫秒級要求、分布式處理和負載均衡、自

2、然語言處理技術等。
　　通用Web搜索引擎通常難以收集全所有領域和主題的網(wǎng)絡信息，即使信息領域和主題收集比較全面，由于領域和主題范圍太寬，很難將各領域和主題都做得精確而又專業(yè)，從而使得檢索結果無用信息太多?；陬I域主題的Web搜索引擎則彌補了這一不足，它是就某一特定的專門的主題或領域范圍來提供Web信息檢索服務的搜索引擎，以其高度目標化和專業(yè)化在各類搜索引擎中占據(jù)了一席之地，其查詢結果具有很高的針對性，因此用戶對查詢結果的滿意度較

3、高。
　　本論文主要是探討基于領域主題的WEB信息檢索相關的技術問題，圍繞著Web頁面信息的抓取與處理、中文分詞、文本自動分類、網(wǎng)頁排序、索引與搜索等關鍵技術問題展開討論。
　　本文的主要貢獻是：
　　(1) 研究并提出了一種基于塊的不需要復雜機器學習方法而僅采用探試法來獲取并識別Web頁面主要信息內容塊的快速算法，實驗證明該算法在Web頁面主要內容塊的識別方面有著較高的正確率與召回率，并且利用該算法可以去掉對非主要