近年来，随着Web信息多元化的增长，传统的信息采集系统(Scalable Web Crawler)已无法保证对信息的及时更新，并且由于其采集信息的主题范围过于广泛，较少考虑采集的信息是否与查询主题相关，满足不了人们对个性化信息检索服务日益增长的需求。主题信息采集系统(Focused Web Crawler)采集信息的内容只限于特定主题或专门领域，在搜索过程中无须对整个Web进行遍历，只需选择与主题页面相关的页面进行访问，基本回避了传统信息采集系统信息指数膨胀的危机，成为近年的研究热点。 本文以辽河油田科技部信息管理系统为研究背景。分析了网络蜘蛛的工作原理，按照评价链接价值所采用方法的不同将现有的搜索策略进行了分类，分析、比较了它们的特点和优缺点，并给出了一种基于语义链接分析的信息采集策略。结合该策略，设计了一个面向主题搜索的信息采集模型，并对模型的组织结构及各模块的功能进行了详细阐述。 词义消歧是主题语义相关度计算的基础，本文结合两种基于“知网”的词义消歧策略：类别歧义消歧策略、基于语义相关度的消歧策略；给出一种基于“知网”的消歧算法，该算法利用词语义原中所含的四种关系，计算词语之间的相关度和词语与其上下文之间的相关度，进而达到词义消歧的目的。 在URL的主题相关性判别过程中，以“知网”为基础引入了词汇的语义计算，从语义和概念层对文本进行主题相关性分析，将基于内容评价的搜索策略和基于Web链接结构的搜索策略相结合，给出了一种改进算法SPageRank(Semantic PageRank)，通过对扩展元数据进行主题相关性判定来选择、预测与主题相关的URL。而对于网页的主题相关性判定，则使用目前较为常用的向量空间模型进行计算。实验结果表明，基于SPageRank的信息采集系统具有较高的采集效率及精度。