语义Web不仅要求Web资源是用户可读的,也是机器可理解、能自动处理的。为获得机器可理解的语义,许多研究试图根据定义好的Ontology,为Web资源创建语义标注,这类标注往往是以手工或半自动的方式添加的,并存在以下缺点：很难为庞大的Web资源建立一个统一的Ontology库：通用的Ontology库不可能赶上Web资源变化的速度；要求注释者对Ontology工程有较高的技能,而一般的Web用户是没有这种技能的。 目前网络中流行的大众注释是由普通网络用户手工添加,尽管没有使用事先定义好的Ontology,且与语义标注相比有些粗糙、模糊,但它们能从用户的角度更好地反映网络资源的用途和意义。本文从大众注释的研究出发,提出有效的语义注释方法和相应的语义搜索方案。首先,提出一个自底向上的语义标注方法,采用概率统计方法对大众注释的标签进行归类,划分出领域空间,计算实体(用户、标签和资源)的语义向量,采用Del.icio.us提供的大众注释服务实例阐述了从大众注释中派生出浮出语义的过程；其次,构建一个语义搜索框架,根据提出的语义注释方法,计算每个实体的语义向量,将其应用于共享Web资源的发现和查找,实现一个智能的语义搜索系统,用户通过输入标签或关键字进行查询并返回按用户兴趣度排序的相关结果。 为验证所提出的语义注释方法和语义搜索方案,采用Python和Java语言开发了一个原型系统,实现了数据采集及预处理(网络爬虫)、语义派生处理和语义搜索等功能。原型系统在大量实际数据上的验证表明本文所提出方案可完成数据的采集、处理、派生浮出语义及语义搜索。