Web页面检索和推荐是搜索引擎中网络信息处理的重要组成部分,它可以自动地从网络文档中发现和抽取用户感兴趣的信息,对于构建主题式的搜索引擎具有重要作用。本文对主题式搜索引擎中的Web页面检索和推荐技术进行了研究,所完成的主要工作有:1、在分析了当前搜索引擎的工作原理及关键技术、比较研究了典型的通用搜索引擎与主题搜索引擎的基础上,提出了将两者结合起来的思想,设计了基于元搜索的特定主题的搜索引擎MBTSE系统。2、针对系统中页面检索所遇到的问题,研究分析了文本过滤和常用的页面检索模型,为克服实际检索中计算量大的困难,提出并实现了一种将快速检索算法运用到文本过滤的页面检索思想,在实验中验证了该方法的可行性。3、针对页面相似性问题,提出了一种改进的页面相似度度量方法,并对此度量方法做了详细的理论分析和实验验证。同时,把改进的相似度度量运用到KNN分类算法中,提出了一种改进的MKNN决策规则,并与原KNN决策规则作了对比实验,实验结果表明此改进提高了平均正确率。4、通过对网页结构的分析,对网页进行一系列的预处理操作,包括网页解析、过滤停用词、词根还原、特征提取以及最后生成单词的特征向量空间表示和ngram的网页表示。5、研究分析了基于LOF的孤立点挖掘算法,提出了通过孤立点挖掘来实现主题式搜索引擎中基于内容的页面主动推荐,用于自动地、主动地发现相关主题领域的研究新发现,体现了搜索引擎智能化的思想。同时,从用户的角度出发,提出了一种根据概率来求孤立因子阈值的top-n%方法,并采取文本嵌入主题的方法对提出的方案进行了实验,验证了从top-n到top-n%的改进在发现web页面孤立点上有效可行。