针对在非结构化对等网络(Unstructured Peer to Peer)中查找资源时传统资源搜索方法的检索效率不高、通信开销过大的问题，提出了一种新的基于访问兴趣相似性P2P网络模型。在对网络结构不作全面改变的情况下，通过发现访问频谱相似节点，建立少量访问频谱相似节点间的远程连接，可以改善传统的非结构化对等网络资源搜索，并在此基础上设计了一种资源搜索算法。仿真试验证明，该模型在一定程度上提高了非结构化P2P资源搜索的效率，同时减少了网络中的通信冗余信息量。
在众多P2P资源搜索技术中，基于热点资源复制的搜索被重点关注。本文在考虑节点语义的情况下，基于ARIMA预测模型提出了自适应热点资源复制方法（semantic-aware replication based on ARIMA，SARA）。SARA充分考虑了无结构P2P网络中语义拓扑结构的特性，引入ARIMA预测模型，对于可能出现的热点资源提前进行副本复制。实验表明，SARA有效地避免了不必要的副本复制浪费，减小了复制开销，同时保证了较高的副本查询效率。
