随着网络资源的日益庞大和信息更新速度的飞速增长,适应特定领域、特定需求的个性化搜索急需主题爬虫技术的支持。为了提高主题爬虫的搜索质量,本文主要研究了主题模型的构建方法、主题相关度计算方法和主题爬虫的搜索策略,通过本体学习技术半自动构建领域本体,引入多目标蚁群优化算法(MOACO)提高主题爬虫的搜索性能。具体的研究内容和方法如下:(1)针对主题模型的构建,提出了一种基于本体学习技术的领域本体构建方法。首先,通过形式概念分析(FCA)方法从文献资源中获取类和类的上下位关系,构建本体的骨架。然后,采用潜在狄利克雷分布(LDA)主题模型从网络资源中挖掘与主题相关的概念,并将Apriori算法引入生成的主题集合中挖掘概念之间的关系,丰富本体骨架的层次结构。最后,人工对本体进行调整,生成领域本体。本文依据所提出的方法构建了台风领域本体、暴雨领域本体和寒潮领域本体。通过Protégé软件实现领域本体的可视化。(2)针对主题相关度计算,基于领域本体的主题模型,给出了概念语义相似度、网页文本主题相关度和超链接主题相关度的计算方法。分别以“台风”、“暴雨”和“寒潮”为主题,将基于本体学习技术构建的领域本体和基于FCA方法构建的领域本体进行对比试验,实验结果验证了本文提出的基于本体学习技术的领域本体构建方法的可行性和有效性。(3)针对主题爬虫搜索策略,提出了一种基于领域本体和多目标蚁群算法的主题爬虫技术(FC＿OMOACO)。本文综合考虑链接结构和网页文本内容构建多目标优化模型,根据快速非支配排序方法和最近最远候选解法(NFCS)选取一组Pareto最优链接,优化超链接选择的多样性,指导爬虫的搜索方向。将蚁群算法引入主题爬虫技术,并通过启发式搜索和正反馈机制提高爬虫的全局搜索能力,尽量避免搜索陷入局部最优的困境。最后,分别以“台风灾害”,“暴雨灾害”和“寒潮灾害”为主题,将FC＿OMOACO和文献中其他四种主题爬虫方法进行对比实验,结果表明本文提出的主题爬虫技术是一种更加有效的爬虫方法。