随着社会的进步和信息技术的快速迭代,互联网中的信息数据量越来越大、覆盖领域越来越广,现阶段搜索引擎已经成为了我国网民获取网络信息的主要手段。如何快速有效地将所需的信息呈现给用户,其核心技术则是网页排序算法,网页排序算法中最经典的当属Page Rank算法。但是传统Page Rank算法是基于链接分析法所提出的,其本身存在一定不足,比如主题漂移、偏向旧网页、平均分配权值等问题。此外在海量数据下,如何提高Page Rank算法的计算效率也是亟需解决的问题。为了改进传统Page Rank算法所存在的不足,以及提高Page Rank算法的计算效率,本文的主要研究内容包括以下几个方面:(1)分析Page Rank算法主题漂移产生的原因,提出使用网页之间的语义相似度进行改进。使用How Net作为语义词典,改进词语语义相似度算法的不足,利用改进后的算法实现词语消歧、文本语义压缩、文本特征抽取,并提出一种基于语义特征抽取的文本相似度算法。(2)根据网页之间的语义相似度和发布时间,计算网页相对主题相似度和相对时间因子,并计算出链网页的权重。将Page Rank算法的平均分配权值改进为根据出链网页的权重分配权值,提出一种基于语义相似度的Page Rank算法。(3)设计和实现分布式计算实验平台,利用Nutch的插件系统完成网页发布时间抽取功能。针对分布式计算平台实现Page Rank算法时出现的问题,提出基于子图划分的并行Page Rank算法,增加Map Reduce过程中Map阶段的计算任务,减少网络I/O数据传输,提高Page Rank算法的计算效率。最后,通过抓取数据验证所提出的算法,实验数据表明,本文所提出改进的Page Rank算法相较于传统Page Rank算法和基于VSM的Page Rank算法,在网页排序方面有着明显的优势;同时基于子图划分的并行Page Rank算法相较于传统的并行Page Rank算法,在计算效率上也有着明显的提升。