在传统信息检索中，对词汇的识别往往是机械识别、语法识别，而不是语义识别，不考虑概念之间的联系。关键词检索在进行关键词匹配时，传统的精确匹配采用词形匹配而非词义匹配，检索到的信息漏检率很高，而且无法区分同形异义。模糊串匹配，由于是部分匹配，因而会产生大量无关信息，其信息量远远超出人工可以处理的范围。另外传统的关键词匹配对同义/近似词的匹配也无能为力。 本文从信息融合的角度出发，提出了基于语义相似度的关联词柔性群簇模型，设计了一种具有语义联想能力的知识库系统，为概念检索提供了一种关键词“语义匹配”的实现方法。该系统不仅可以根据需要动态的柔性调节匹配范围，而且在同义词/近义词扩展方面实现了一定的智能性。 本文定义了基于距离的语义相似度，通过构建n维关联词簇，在充分考虑领域词汇语义、语用和语境的基础上，描述概念之间的联系，有效的解决了“词汇孤岛”的问题。 本文提出MSS(Most Similar Semantic)最相似语义搜索算法，实现了关键词匹配的柔性调节。设计了应用紧致性原理的智能簇，实现了同义词的自动扩展，具有一定的智能性，避免了由于人们缺乏全局观念而设置某些不恰当的查询条件。 本文设计了基于语义相似度的关联词柔性群簇模型，之后又对其原始模型进行了结构和功能上的扩展，添加了先验知识库和历史经验库，建立了高频词汇索引机制，并提出了优化查询的策略，从而提高了原群簇模型的性能。 本文所研究的问题来源于国家科技攻关项目——信息融合技术在数字海洋中应用的预研。项目中，我们建立了基于该群簇模型的数字海洋共享平台示范系统，利用基于群簇模型的具有语义联想能力的知识库系统进行检索试验，系统测试表明该系统在保证一定查准率的基础上，提高了查全率，有效的解决了数字海洋领域检索中的高漏检率问题。