本文以系统工程的理论和方法为指导，结合人工智能领域的多Agent技术，利用面向Agent的软件工程技术分析和设计Web知识发现系统模型。Web知识发现系统是数据挖掘技术在网络信息处理中的应用，是在大量样本的基础上，得到数据对象间的内在特征，并以此为依据进行有目的的知识提取。Web知识发现系统不同于搜索引擎等信息检索系统，是一个并行的、异步的、智能的多Agent系统，通过多个Agent相互协助对互联网的信息进行推理和提取，并根据用户的兴趣和需求特征，将所形成的知识按照一定的策略加以选择地推荐给用户，以完成互联网智力资源共享的最终目的。 在广泛查阅文献并学习已有成果的基础上，本文对Agent技术、基于Agent的系统建模方法、Web知识发现的方法、满足个性化需求的Web知识发现等进行了较深入的研究，构建了基于Agent的Web知识发现系统模型。本文的主要研究内容如下： (1)阐明了系统的体系结构、任务功能、通信机制与控制方式等，通过构建多个互相协作的MAS子系统来降低知识发现系统复杂性； (2)研究文本知识提取子系统的实现，探讨了文本的结构化处理及特征表示方法，重点研究了预处理Agent、分类Agent、聚类Agent及文本摘要Agent，包括Agent的结构及所采用的知识发现方法等； (3)研究用户兴趣特征挖掘子系统的实现，分别阐明了交互Agent、行为分析Agent、内容学习Agent、用户模型更新Agent的结构与实现方法，构造了基于概率模型的用户兴趣模型； (4)研究知识过滤子系统的实现，讨论了知识过滤Agent、推荐Agent的结构与实现方法，采用概率模型与向量空间模型相结合的方法，利用用户兴趣模型进行知识过滤与推荐。