随着网络技术的迅速发展,搜索引擎已经成为用户获取网络信息的主要途径。然而,传统的搜索引擎的返回结果比较单调,通常返回与查询相关的网页列表,而忽略了网页中所蕴涵的丰富命名实体信息。因而,命名实体检索已经成为信息检索领域的一项重要的检索任务,它的目标不是检索出与查询匹配的文档,而是检索出匹配查询的命名实体。目前对命名实体检索的研究,缺乏对用户查询的语义能力理解,本文将本体和其他信息检索技术融入到命名实体检索中,实现了对用户查询的语义理解。本文首先分析了现有的命名实体检索相关技术及其理论,提出了一个通用的命名实体检索模型。其次,通过分析英文维基百科文章的特点及其分类层次结果图,自动构建英文伪本体,解决了目前本体构建中存在的问题。本文采用传统向量空间模型的思想,通过建立命名实体和文档之间的关系,提出了命名实体向量的生产算法,使得命名实体向量和查询向量共存在于同一向量空间中。此外,本文充分考虑了文档、命名实体、类型三种因素对实体向量生成质量的影响,提出了几种改进的算法,并将本体语义扩展算法融入到模型。通过专家搜索任务的实验结果表明,我们提出的通用名实体检索系统能适应不同的环境。基于本体扩展的方法有效的解决了用户查询的模糊性,结合了几种改进算法使得系统的MAP显著提高。