随着互联网技术的发展,广大用户获取信息的途径越来越多、也越来越方便,与此同时,面对庞大而繁杂的信息,如何获取对自己有用的信息成为一个难题。所幸Web数据挖掘技术为解决Web上过量信息的问题提供了解决方法,其中的Web结构挖掘以超链接分析为基础,从链接结构中获取有用的信息,并重新组织结构,使内容逻辑结构更加合理。因此,Web数据挖掘逐渐成为如今的研究热点。经典的超链接网页评估算法PageRank将“每个链接代表一个网页作者对所指向的网页的一种独立的认可”作为算法的前提条件。本文通过实验编程实现了PageRank算法迭代收敛的整个过程,并结合实例重点讨论了PageRank评估网页质量的有效性,认真分析了Fricke以万维网上咨询问答为样本进行研究的不足,提出了自己的优化方法。针对网页质量的评估通常带有个人色彩,还制定了网页信息质量的评估标准,来限制参评人员的主观臆愿,增加评估的客观性。最后,通过实验证明本文提出的PageRank优化方法用来评估网页质量的有效性。优质的搜索引擎算法应该将用户最需要的主题相关尽可能地排序靠前。传统PageRank算法存在的主题漂移影响搜索效果的问题,在分析了大量网页排序算法的基础上,本文中提出了基于主题链接相似度的PageRank改进算法(TLSPR),通过链接关系表示的向量的余弦相似度描述网页之间的主题相关性,避免了其它改进算法额外文本信息的负担。仿真实验结果表明,TLSPR算法在未增加额外空间的同时,也未增加算法时间复杂度,能够将用户满意的网页安排在搜索结果的前面,有效提高了搜索效果,从而避免了主题漂移问题的产生。