因特网上的网页数量正在以惊人的速度增加,网络信息增长的速度与用户获取网络信息能力之间的矛盾日益突出,传统搜索引擎已经不能很好地满足用户高质量个性化的信息检索需求。此背景下垂直搜索引擎应运而生。垂直搜索引擎针对特定领域的信息进行检索,能够返回更全面更深入的信息。垂直搜索引擎的核心就是主题爬虫。现今网络上基础教育资源网页的数量已经初具规模,但使用常规网络爬虫对其抓取的结果却不尽人意。因此,本文希望通过对主题爬行方法研究,探索实现基于基础教育学科本体的主题爬虫,使爬虫可以自动索引Internet上散布于不同站点的基础教育资源网页,为教师、学生以及科研工作者提供高质量的资源检索服务。论文以初中物理为例展开研究。本文首先探究了初中物理学科本体的构建方法。参照斯坦福本体构建“七步法”提出了初中物理学科本体的构建方法。本方法将学科本体的构建过程分为本体骨架构建和实体抽取与本体填充两个部分。文章之后介绍了本文设计的基于初中物理学科本体的主题爬虫,该爬虫是在开源网络爬虫Nutch的基础上二次开发得到。爬虫的核心模块ParserJob模块添加了本文提出的主题爬行方法的实现代码。该方法通过链接锚文本分析和网页相似度计算来实现网页过滤。链接锚文本分析通过关键词匹配实现,关键词集使用本研究构建的本体进行主题语义扩展后得到。网页相似度计算使用朴素贝叶斯算法实现,同时使用本体过滤特征词汇来实现特征空间降维以优化贝叶斯算法。实验表明,本文构建的本体爬虫的平均准确率能达到68%左右,比朴素贝斯爬虫和常规爬虫的平均准确率高。对爬虫各主题的识别准确率分析表明,本文设计的爬虫对初中物理5个主题的网页识别能力都较为稳定,不存在有的主题识别的好,而有的主题识别不好的问题,各主题的识别准确率之间相差不超过5%。对本文设计爬虫抓取的网页的内容进行分析得知,本文设计爬虫抓取的网页大多是包含课件、教案和习题的网页。