该文对内容管理系统的相关理论与方法进行了深入研究,在信息系统理论与自组织神经网络的理论指导下,提出了基于智能聚类的内容分类方法,该方法是将人的知识与神经网络技术相结合的一种混合的分类方法.该方法将内容转化成标准的矢量形式,即建立语义向量空间,在Kohonen自组织特征映射网络理论方法的指导下,通过人机结合的方法利用自组织神经网络的学习算法进行内容的聚类,从而得出内容的分类结构.该文在该分类方法的基础上研究了基于智能聚类的相关度检索方法,进一步实现了内容的查询优化.在内容的查询过程中首先利用自组织神经网络对用户的查询要求进行聚类,然后只需要在同一类内进行内容的匹配,并通过计算相似度,对查询结果按照与用户的查询需求之间的相关程度进行排序.用户则可以参考检索结果与查询需求之间的相关程度选择更实用的内容,因此使得基于智能聚类的内容的相关度检索方法更高效,更满足用户的需要.此外,该文在分析元数据的本质与类型的基础上,对与内容管理紧密相关的语义元数据进行了设计.该设计采用"都柏林"元数据标准(Dublin Core),将该标准加以扩展,设计了适用于基于智能聚类的内容管理的语义元数据.使内容管理系统的应用更加简便、有效.内容管理系统作为信息系统的一个重要组成部分,为了使其与其它的应用系统相结合,更加充分的利用组织中来自不同数据源、不同系统的数据.该文还研究了内容管理系统与其它应用系统的集成框架.重点对数据层的集成进行了研究,基于MOF标准提出了数据集成的概念模型与方法.通过利用元数据的优势将来自于不同数据源的数据自动转换为统一的XML标准形式,为内容的进一步使用与集成打下了基础.并在该模型与方法的指导下采用Delphi编程语言结合ADO技术用面向对象的方法开发了一个数据集成平台"ConCovery Indexer",进行了应用研究分析.最后,在该文所提出的基于智能聚类的内容分类与相关度检索的理论与方法的指导下,采用Delphi作为编程语言,结合Interbase数据库开发了一个示范系统,使该方法得以实现,进行了应用研究,并通过将该方法的检索结果与基本检索方法的结果进行对比分析,对该方法的有效性进行了验证.