随着Internet技术的飞速发展,互联网上的信息呈指数级增长。庞大的数字化信息与人们获取所需信息的能力之间的矛盾日益突出,怎样快速准确地检索相关信息已经成为当今信息领域的研究热点。在信息检索中,文档表示模型的优劣是影响检索性能的重要因素之一。根据全信息理论,认识论信息是语法信息、语义信息和语用信息的三位一体。当前主流的文档表示模型主要利用语法和语义信息,造成语用信息的缺失,成为改善检索性能的瓶颈。本文首先对当前国内外经典检索模型及其文档表示方法进行了介绍,接着阐述了全信息理论及认识论信息,概述了语用信息在查询扩展、排序算法及文档表示中的应用现状,重点讨论了最具代表意义的“基于查询集的文档组织方法”。针对该方法的不足进行改进,给出了“查询样本空间稳定性判定”的概念,提出了一种整合用户查询与文档内容的文档表示模型,将用户隐性反馈的语用信息和文档自身的语义、语法信息相结合,动态地调整索引库关键词权重,以期提高信息检索的查全率和查准率。实验结果表明我们的新模型更好地表示了文档的主题信息,对检索精度的提高效果明显。为了深层次地挖掘共现词语蕴涵的信息,本文还提出了一种基于共现查询与共现内容的文档表示模型,给出了运用关联规则抽取共现词的过程及模型的形式化描述。最后,基于Lucene架构开发了一个面向南华大学新闻网的站内搜索引擎——“石鼓新闻搜索”,能够实时跟踪用户兴趣并且根据集体兴趣的迁移动态调整检索结果,效果优良。