随着Internet的迅猛发展，各种信息的不断膨胀，如何有效而准确地从Internet上获取信息变得越来越重要和困难了。在前人研究的基础上，本文针对Web文档检索的特点，提出了改进算法，从而使得Web文档检索的结果更加准确，更能够符合用户的需求。要使得Web文档检索结果更加准确，就必须实现语义层次的检索。本体是概念语义的形式化描述，它是一个通用的概念分类体系，它能够给概念提供具有上下文的语义支持。分类体系中一个概念的概率定义为一个领域对象在随机状态下被划归为该概念的概率，这个概率是固定的。一个领域对象在被划归一个概念的条件下被划归到其子概念的概率也是固定的，因此本文提出概念与概念之间的转移概率。转移概率可由领域专家给出，也可根据统计获得。但这些手段在实际应用中计算本体概念概率时，可能存在一定的困难，因此本文提出了一个本体内概念的概率计算方法。根据本体内概念的概率，本文还提出了具有不对称性的概念间语义相似度及其算法。在Web文档检索领域中，链接分析和内容分析是两个重要方法。其中HITS是链接分析的代表方法，而LSA是内容分析的代表方法。针对传统HITS算法具有主题漂移的缺点，本文利用本体概念间的相似度，计算出Web页面间的相似度，并将该相似度作为链接权重，从而改进了HITS算法，提出了OHITS算法。另外，本文针对传统LSA在语义和位置以及特殊表现形态信息方面的丢失，提出了SIF和LSDIF的概念，并对LSA在语义和位置以及特殊表现形态信息进行弥补，提出了OLSA。本文通过实验验证了OHITS和OLSA的有效性，并且将这两种方法实现与MIA系统中。本文详细地说明了MIA系统中相关模块的设计与实现。最后对本文提出的方法进行了总结和对进一步工作提出了展望。