1、用戶一般通過搜索引擎來查詢所需信息，而搜索引擎的返回結果很多，每個檢索結果并不一定都是符合用戶需求的。同時由于教育文化背景的差異，用戶即使有相同的查詢意圖，但其提交的查詢詞匯也是千差萬別。因此，用戶輸入相同的查詢詞匯，返回同樣的結果并不能令每個用戶都滿意。在信息檢索系統(tǒng)中，一般通過查詢擴展技術來提高檢索性能。用戶通常有時會把自己的詳細需求信息全部輸入至信息檢索系統(tǒng)進行檢索，即用戶會輸入冗長查詢。這就給信息檢索系統(tǒng)帶來了壓力，迫使檢索系統(tǒng)

2、不斷進行改進以滿足用戶輸入的冗長查詢的需求。目前以往的搜索引擎在處理冗長查詢時性能都會下降，檢索結果不能聚焦在查詢主題上，返回的信息不能滿足用戶需求。
　　本文提出了兩種冗長查詢處理方法:基于依存關系的冗長查詢重構模型方法;基于語義與排序學習技術的冗長查詢處理方法?；谝来骊P系的冗長查詢重構模型方法區(qū)別于基于關鍵詞的處理方式，而是針對冗長查詢自身所具有的特征，冗長查詢中的詞項間具有良好的語法關系。本方法對文檔進行依存關系分析，由于

3、依存關系類型很多有些會產生噪音，因此本文對依存關系類型進行了篩選抽取有效關系對，這點達到了縮短查詢詞的效果，之后對不同的關系對按其在重構模型中的重要程度分配不同的權重，這點達到了重新加權的效果。實驗驗證了本方法對特別是對低召回率的檢索性能的提升作用，MAP和P@N兩個評價指標上都有很大提升?；谡Z義與排序學習技術的冗長查詢處理方法。利用文檔在不同空間上的分布以及計算其香農距離，并利用排序學習的方法對原始檢索結果進行重新排序。這說明排序學