随着信息爆炸时代的到来,海量的信息在满足人们对各种信息需求的同时,也造成了信息泛滥、信息迷航等问题。传统的搜索引擎利用查询扩展或关键词建议一定程度上解决了这个问题。但目前的关键词建议并不是面向用户兴趣推荐关键词,它推荐的关键词是大众关注的热点或者是与查询词有包含关系的词组,这一方面不能满足用户个性化需求,另一方面也间接的影响到了检索的查全率和准确率。基于此,本文深入开展了基于web挖掘的搜索关键词建议研究。论文首先研究和分析了现有web挖掘技术和搜索引擎技术,对web挖掘与搜索引擎技术的结合做了可行性分析。在此基础上,本文提出了基于web挖掘的搜索关键词建议方法,并建立了系统模型,对实现系统的关键技术进行了深入研究。系统采用了基于同义词扩展的源数据获取方法,改进了TF×IDF权重公式,将web使用挖掘和web文本挖掘技术相结合分别应用于系统的源数据处理和特征词聚类阶段,论文完成了基于web挖掘的搜索关键词建议系统的设计与开发,通过对系统的测试分析,结果表明：该系统功能设计合理,在面向用户兴趣提供个性化关键词建议功能上有较好的改进作用。最后,论文指出了在源数据获取、文本聚类算法和中文分词技术方面还有待进一步深入研究。