随着互联网发展和普及,“检索”已经成为人们生活中的一部分。互联网已经把全世界连在了一起,如何从浩瀚的信息海洋中找到自己想要的东西呢,答案就是“检索”。在众多检索系统中,对于学术研究最有用的当属文献检索了,但是当前的文献检索系统大都只能进行关键字匹配的检索,抓不住用户的兴趣,如果检索系统能够获取用户的兴趣,就可以使用户在一次又一次的检索中会发现自己想要的文献总是能出现在排序的最前面,肯定大大方便了用户,使其对所使用的检索系统大家赞赏并决定长期使用,这无论对用户还是检索平台都是大有益处的。本着以上的思想,本小组开始制作这样一个检索系统,它能通过用户的检索行为来获取用户的兴趣,并将兴趣相似的用户组成用户组,以方便用户的交流,共享资源。本文讨论的是我们小组所做的检索系统中的基础部分,包括文本预处理,对文本向量进行聚类构建系统底层部分。本人的工作具体是完成了文本处理程序可以对文献进行预处理,它可以将分词后的文本转化为向量;可以对题目,关键词,摘要加权,并调整其权重;可以按词性提取特征;完成对其停用词表的控制;程序可以生成文档频数,tfidf的特征向量,支持向量机的特征向量等多种特征向量。并且在随后聚类试验中,改进AP[1](Affinity propagation clustering)聚类,使其获得更好的聚类结果。AP聚类有一个优点,就是如果使用者不知道数据的类数,不用指定类数也可以很好的进行分类,但是有时侯我们知道类数,那么我们怎么能提高分类的效果呢?本篇论文提出了一种改进的AP聚类算法来处理这种情况。当你知道数据类数的时候,可以指定AP最终聚成的类数。实验也表明了,它不低于原AP聚类算法的效果