近年来,随着互联网和搜索技术的进一步发展,仅仅对于网页文本的搜索已经无法满足人们的需要,对于多媒体特别是语音数据的检索已经成为当今研究的热点问题,也是未来几年中互联网搜索技术的发展方向。基于内容的语音数据检索仍然是研究领域中的难点问题,主要有基于文本的语音搜索和基于语音学的语音搜索这两种方法。前者主要依赖于大词汇量连续语音识别和传统的文本搜索技术;而后者则主要从声学特征出发,从信号处理上对语音进行分析。对于基于语音学的语音搜索方法,以传统的基于特征值的搜索和基于格的搜索为基准,深入讨论它们的优缺点,并在其基础上提出基于语音片段的聚类算法,新的算法准确高效,并能很好得适用于搜索引擎,具有一定的理论价值和应用前景。对于基于文本的语音搜索方法,主要关注于它与基于语音学的语音搜索的结合。并在基于语音片段的聚类算法的基础上,提出了两者结合的算法的公式,更大的扩展了新算法的适用性。对于搜索结果的整理,已经不在仅仅局限于传统的排序,而关注于现在流行的对搜索结果的聚类算法。在对现今的主流算法进行分析的同时,提出一种新颖的基于搜索的聚类算法,该算法可以说是对搜索引擎的一种全新的运用。Reference case finding系统是一个以上述关键算法为基础的语音搜索引擎。它以电话数据为主要实验对象,提供一个完整的混合了基于语音学和文本的语音搜索引擎和对搜索结果的自动聚类工具。经过测试,该系统的性能和效率良好,能达到一个优良的搜索引擎所必须的准确率和搜索速度,在实践的基础上证明了新算法的可行性。