1、現(xiàn)代搜索引擎需要面臨的一個(gè)非常有挑戰(zhàn)性的難題是：如何處理非確切性查詢(xún)，如何對(duì)返回的結(jié)果進(jìn)行抽象組織，使得用戶(hù)能夠迅速縮小查詢(xún)范圍，達(dá)到良好的搜索體驗(yàn)。當(dāng)今大多數(shù)搜索引擎，對(duì)于一次查詢(xún)返回的結(jié)果，并沒(méi)有總結(jié)組織的機(jī)制(只有少數(shù)研究型系統(tǒng)提供了此模塊)，用戶(hù)不得不在返回的大量結(jié)果中，遍歷，翻頁(yè)，查找他們所需要的信息。將查詢(xún)結(jié)果進(jìn)行聚類(lèi)化，并且以友好的界面呈現(xiàn)給用戶(hù)，是解決非確切性查詢(xún)的有效手段。
　　 本文從豐富語(yǔ)義性的角度給出了一

2、個(gè)基于K-means聚類(lèi)算法的增強(qiáng)實(shí)現(xiàn)，充分挖掘文本內(nèi)在表達(dá)缺失的語(yǔ)義信息，并在聚類(lèi)產(chǎn)生，以及聚類(lèi)呈現(xiàn)的過(guò)程中加以利用。聚類(lèi)產(chǎn)生階段，借助維基百科的主題，類(lèi)別，鏈接結(jié)構(gòu)，提取語(yǔ)義信息，在降低噪聲影響的前提下，增強(qiáng)文本的語(yǔ)義表現(xiàn)力，優(yōu)化聚類(lèi)效果。聚類(lèi)呈現(xiàn)階段，借助社會(huì)化標(biāo)簽網(wǎng)站的用戶(hù)標(biāo)注，與聚類(lèi)內(nèi)在標(biāo)簽競(jìng)爭(zhēng)，選取最符合聚類(lèi)描述的標(biāo)簽，改進(jìn)聚類(lèi)的呈現(xiàn)效果。
　　 本文實(shí)驗(yàn)系統(tǒng)包括，文本 VSM模型建立模塊，Wiki語(yǔ)義信息抽取模塊，

3、增強(qiáng)型聚類(lèi)生成模塊，聚類(lèi)內(nèi)標(biāo)簽提取模塊，社會(huì)化標(biāo)簽提取模塊，以及最優(yōu)標(biāo)簽競(jìng)爭(zhēng)模塊。實(shí)驗(yàn)搭建了基于Hadoop的分布式文本聚類(lèi)框架，對(duì)比了語(yǔ)義增強(qiáng)型K-means算法和傳統(tǒng)K-means，fuzzy-K-mean，LDA算法的聚類(lèi)效果，分析了本文Wiki信息提取策略與現(xiàn)存研究的優(yōu)化，驗(yàn)證了本文標(biāo)簽競(jìng)爭(zhēng)策略相比基于聚類(lèi)質(zhì)心，聚類(lèi)分詞頻度，MI的傳統(tǒng)標(biāo)簽生成策略的改進(jìn)。
　　 實(shí)驗(yàn)結(jié)果表明，引入Web2.0語(yǔ)義信息增強(qiáng)后，聚類(lèi)內(nèi)聚度得