随着互联网的广泛发展,如何保证用户能够在"海量信息"中迅速准确的获得想要的信息,已经成为互联网研究和应用上十分迫切的问题.作为语义网核心技术的本体论方法,具有改进信息组织、信息共享和信息理解的巨大潜力.因此,如何在研究信息检索(Information Retrieval)方法的同时,引入本体论方法,并且结合自然语言处理技术,提高用户和计算机对Web上海量信息的捕获和理解能力,是当前信息检索研究领域的热点之一.该文首先介绍了目前信息检索技术中的一些主流技术,对Web信息捕获过程中面临一些突出问题进行了详尽的探讨.从词频统计、本体词汇集、本体概念和实例的构成,以及本体关系等多角度出发,完成对信息所属领域的确定.在此基础上,提出了利用句法分析和语义距离判定关键字之间关系的方法,以及Web页面相关度排序和用户请求问题求解方法.最后,通过一个原型系统——OBIR,完成了领域确定、索引构建、相关度排序、问题求解、用户请求扩展等工作.实验表明,OBIR系统在领域确定、查准率和效率方面具有较强的实用性.论文的最后,对OBIR系统的优缺点进行了总结,并提出了今后努力的方向.