随着互联网的广泛应用,web上的数据信息正在呈指数级增长,因此,如何在这种海量级的数据中查找到目标信息并对其进行自动处理已成为当前重点的研究课题。现在信息速度急剧上升,以微博、微信等新媒体所产生的巨大的碎片化信息极具代表性,新的研究方向是将这些传统的领域知识与智能技术相结合,从而产生基于海量数据的智能搜索引擎。本文主要介绍web上微博信息的采集与存储、智能信息检索的原理及相关算法与实现、数据挖掘中聚类算法与应用等。利用新浪微博的API接口按照事先定义好的字段抓取相关内容,将信息批量存入非关系型数据库MongoDB中,利用Lucene4.0工具对MongoDB数据库中已存入的信息建立索引文件并存放在本地,使用carrot2开源框架与建立好的索引文件进行关联,carrot2是一个库包,利用它可以建立一个基于聚类的搜索引擎,只要向这个基于聚类的搜索引擎提供搜索关键词即可获得相关结果集,对返回的结果集使用Lingo聚类算法对其进行聚类操作,给用户展现树状形式的聚类结果图。通过上述实现的各个模块,并且伴随着生物医学模式向“生物-心理-社会医学”模式转变以及人们对健康的要求越来越高,人们的认识也从以疾病为中心转向以患者或人为中心。最终本文建立起面向微博的基于医学健康信息的智能搜索系统。本论文在最后对系统中聚类结果进行了优化操作,主要对系统中Lingo聚类算法所引用的字典文件以及停用词文件进行修正,可以得到优化后的聚类结果图。为了本文中实现的智能搜索引擎系统能够在未来应用中得到扩展,分析并提出了几点可以改进的意见,可以使系统在性能和功能上更加健壮、完善。