该论文系统地介绍了作者在Web检索优化领域的研究工作.互联网是一个巨大的信息资源宝库,但互联网上大量的信息也给用户如何找到所需要的信息带来了很大的困难.在这种背景下,搜索引擎(如google,yahoo,infoseek等)迅速发展起来.搜索引擎可以帮助用户更快地找到所需要的信息,但目前的搜索引擎返回给用户的信息里依然有很多用户不需要的信息.该文探讨的是如何在现有检索技术的基础上,对现有检索方法检到的文档(这些文档可能有很多是无关文档)进行分析,自动地得到更高质量的检索结果.第二章介绍了该领域的发展动态.重点是介绍第十届和第十一届TREC会议的Web Track项目.第三章介绍了Web检索的背景知识.重点是介绍三种经典的检索模型:布尔检索模型、向量空间检索模型和概率检索模型.第四章介绍了如何利用链接信息优化Web检索.第五章介绍了如何利用查询扩展优化Web检索.重点是相关反馈和如何寻找统计意义上的同义词.第六章介绍了作者提出的过滤器检索优化算法,并通过对比实验测试了过滤器检索优化算法的性能.