互联网上海量的Web信息以指数级增长,如何在Internet海量信息中快速找到用户感兴趣的信息成为困扰人们的主要问题。本文设计并实现了一种自适应的信息检索系统,并对其中的核心模块检索结果聚类以及用户反馈进行了深入研究。论文首先介绍了信息检索以及元搜索引擎概念,探讨了智能Agent、聚类浏览、以及用户反馈相关技术。之后着重研究了检索结果聚类技术,提出了一种基于容错类的检索结果聚类算法。接着在研究用户反馈技术过程中,改进了原有的线性重排序算法,将当前真实排序质量加入作为考虑因素。此外,设计了一种基于Agent的元搜索模型,提高了检索的质量和效率。最后本文实现了该信息检索系统的原型,将检索结果聚类和用户反馈模块应用其中,并对这两种算法进行仿真,经实验得出,检索结果聚类算法解决了结果表示单一的问题,有效的平衡了聚类的质量和时间,同时用户反馈重排序算法也在一定程度上提高了检索结果的排序质量。