短语作为搜索引擎输入的主要信息，其主题抽取对于搜索引擎判断搜索者的搜索意图，提高搜索服务质量具有重要的意义。短语逐渐成为网络信息的重要组成部分，针对短语语义分类可以很好地将短语信息分门别类，使人们可以更准确有效地获取到自己所需的信息。　　目前文本主题抽取的研究主要是利用词、句、段等所具有的不同贡献信息，对中文文章进行主题抽取。文本分类主要利用特征提取技术将文本转化成高维空间的向量表示。短语的结构远比传统文本简单，短语所含有的词语数量远少于传统文本，将短语映射到高维空间中也会存在巨大的稀疏性。因此无法直接将针对传统文本的主题抽取算法和文本分类算法直接作用于短语。故本文借鉴文本处理的思想，全新地研究短语主题抽取和短语语义分类。　　针对短语主题抽取问题，首先提出了利用主题词存在与否的基于主题词的短语主题抽取算法。其次在其基础上利用社会知识词簇集合作为分类信息，词的相似度作为距离权重，利用改进KNN的分类思想提出基于《知网》词相似度的短语主题抽取算法。最后在前者的基础上利用位置加权算法，提出基于加权主题词的短语主题抽取算法。实验结果表明，后两种算法对短语主题抽取效果良好。平均查全率分别达到78.88％和83.39％，平均查准率达99.06％和99.70％。　　针对短语语义分类问题，提出基于KNN算法的短语语义分类算法。首先提出短语相似度的计算方法，其次利用短语相似度衡量短语间的语义距离，最后利用KNN分类器对短语进行语义分类，从而形成基于KNN的短语语义分类算法。实验结果表明，该算法的平均查全率和查准率分别达到90.94％和88.22％。