摘要：信息检索／搜索引擎技术的快速发展使得信息的查全率有较大提高，而查准率以及人们获取信息的效率改善却不明显。文本聚类和多文档关键词的自动生成技术将有助于解决这一问题。其基本思想是对检索到的部分文档进行聚类处理，并对每类文档自动生成关键词，从而帮助用户判断各个类别的文档和检索需求是否相关。该文提出文档相关度和类别相关度的概念，并利用词频信息以及知网（HOVNET）中词的概念计算模型计算类别相关度，将其作为聚类合并的依据。信息获取的仿真实验表明文档检索效率有较大提高。

关键词：文档聚类 关键词抽取 知网 文档相关度 

单位：哈尔滨工业大学计算机科学与技术学院; 哈尔滨150001