随着互联网信息的爆炸性增长，搜索引擎已成为人们从海量数据中获取信息的一个重要途径。目前搜索引擎主要还停留在关键词匹配的基础上进行信息的刷选，因此用户输入的查询短语准确与否对查询结果有着极大的影响。然而语言存在歧义性以及用户偏向于输入较短的查询短语，查询短语往往不能准确地表达出用户的查询需求，此时搜索引擎会根据用户提交的查询短语向用户推荐相关的候选查询，如何准确地衡量查询短语之间的相似性则是其中的难点。　　 具有相同关键词的查询短语在语义上往往具有一定的相似性，本文依据该假设，利用用户的查询日志建立了以关键词为索引、查询短语为倒排表的倒排索引。利用倒排索引，我们能迅速地从大量查询短语中返回具有相似性的小部分候选查询。　　 本文的主要贡献是提出了两种计算查询短语相似性的方法：改进的编辑距离算法和加权的相似度算法。改进的编辑距离算法用于计算长度较长的问答式查询短语之间的相似度，加权的相似度算法则用于计算长度较短的普通查询短语之间的相似度。这两种相似度算法都充分考虑了在查询的语境下，影响查询短语相似性的各个不同因素。依据考察对象的不同，我们可以分为两类：一是针对关键词的不同属性，如词性、频率、关联度、词语的相似性；二是针对查询短语的不同属性，如新鲜度和流行度。查询短语最终的相关度由以上各个不同的因素加权得到。　　 最后，本文还依据用户查询日志对用户的查询行为进行了简单的分析，并用概率统计的方法从日志中发现未登录词来对中文分词系统进行改进。