自Internet诞生,搜索引擎逐渐成为人们获取信息的主要方式。然而,随着互联网的高速发展和网络用户需求的不断提高,传统搜索引擎如Alta Visa、Google、Yahoo等越来越呈现出一些局限性,而主题搜索成为解决通用搜索引擎问题的一个最为关键的研究热点。在主题搜索中,主题爬虫在Web上抓取与用户主题兴趣相关的网页,它的优点是尽量检索与主题相关的网页,同时尽可能少的遍历与主题不相关的网页,可以有效减小搜集的范围,提高资源的利用率。考虑到实际互联网上Web网页是不断更新变化的。在一段时间内,有的网页出现,有的网页消失。作者通过深入研究主题搜索的原理及特点,并结合实际web网页更新变化,利用形式概念分析理论知识,将增量构建概念格的思想应用到主题搜索中,使主题爬虫具备一定的学习能力,提出基于增量学习的主题爬行策略。本文主要研究内容如下:1、把增量学习的思想应用到主题爬行中。鉴于形式概念分析在主题搜索中的可行性,把从概念格转换来的背景图作为主体爬虫的知识背景来指导爬行是一个很好的创新。根据主题爬虫的搜索结果进行增量学习,即通过增加主题的网页和删除主题不相关网页两方面进行学习来更新背景图,以便及时地反映Web网页的变化情况。2、增加主题网页相关的概念来更新概念背景图。根据主题爬虫的搜索结果,选取主题相关网页,利用增量概念生产算法得到该主题相关网页的增量概念,把得到增量概念增加到背景图中。3、删除主题不相关网页的概念来更新概念背景图。根据主题爬虫的搜索结果,选取主题不相关网页,从背景图中删除主题不相关网页的概念。4、通过实验验证了本文提出的主题爬行策略的可行性;通过背景图更新前后结果对比和同其它两种爬行策略对比,将结果进行准确率分析,证明了本文方法的优越性。