随着网络的大规模覆盖,浏览网络新闻已成为大家了解社会动态的一个重要渠道,新闻搜索引擎不可或缺。然而,虽然网络如一本无所不包的百科全书,由于当前搜索引擎技术仍处在革新阶段,致使信息检索结果还不尽如人意。由此,本文将本体、信息检索等技术相结合,使搜索引擎能够朝着智能化方向发展,进而改善当前搜索引擎性能。本文的主要研究工作如下：一、提出了基于领域本体的新闻网页分类算法。为了改进当前分类算法只考虑内容相似度的普遍性不足,本文提出了兼顾内容相似度与结构相关度的语义分类思想：首先.解析本体得到本体类别向量,抽取新闻网页文本关键词并进行语义降维,此时找出网页文本中存在的与本体类别向量相同的词汇构成文本期望向量,再运用向量余弦定理计算两者的内容相似度。其次,将上述共同词汇映射到本体层次结构图上,通过计算该有向无环图的加权路径得到结构相关度。最后,结合内容相似度与结构相关度计算新闻网页与本体的综合关联度,通过判断结果与阈值的大小关系来决定新闻网页的类别。二、提出了加权修正信息增益的ωID3算法。针对ID3算法偏向选择取值较多属性作为分裂节点的缺陷,coID3算法的改进思路是：找出信息增益及取值个数都达到阈值的属性,并同时考虑条件属性与决策属性的相关性,加权修正上述属性的信息增益值,再依据修正值选择分裂节点。实例对比说明本算法构造的决策树在一定程度上有所改善。三、设计了基于领域本体的新闻搜索引擎MONSE原型系统,并在Heritrix、 Lucene、Eclipse、Tomcat等开源工具的支撑下通过实例验证。