随着计算机与互联网的迅速发展,Web信息呈指数型增长,其在为用户提供大量数据的同时,也给用户检索有用信息带来困难。因此,识别搜索引擎用户的检索意图已成为当前Web信息检索领域的研究热点之一。识别用户查询意图的关键是构建查询分类体系。已有的查询分类体系存在分类粒度过大、查询意图识别不明确等问题。现有工作虽然已经提出了多种类型的查询特征并建立了相应的分类体系,但这些方法过于依赖手工特征提取,且没有考虑搜索引擎用户信息,不利于查询词的自动分类。针对以上问题,本文首先分析了搜索引擎查询日志的结构特点并抽取出查询词的关系数据及关系结构图,然后基于图提出了同时考虑用户信息和点击URL信息的特征自动生成方法,最后构建查询词领域自动分类模型,并提出了两种查询词领域自动分类算法:(1)基于矩阵分解的查询词领域分类算法。该算法使用概率潜在语义分析模型分析二元关系,生成查询词分类特征。实验表明该算法初始分类效果不理想,当加入先验知识并使用半监督的概率潜在语义分析后,性能有了很大提升。(2)基于张量分解的查询词领域分类算法。该算法在分析第一种算法存在问题的基础上,采用张量分解模型分析三元关系,生成查询词分类特征。最后,本文基于搜狗查询日志,使用LIBSVM对查询词领域自动分类模型进行了测试。结果表明:本文引入的用户信息确实有助于提升查询词分类效果;基于矩阵分解与基于张量分解的查询词领域分类算法都能有效地实现查询词领域分类;基于张量分解的查询词领域分类算法的性能明显优于第一种,更适合于搜索引擎查询词的领域分类。