互联网迅猛发展引起的信息剧增使得互联网用户在检索信息时需要凭借媒介才能快速、高效、准确的查找到需要的信息,而搜索引擎作为连接用户和互联网的桥梁,使用率是最高的,用户对搜索引擎的依赖也促使其成为一个重要的人机交互渠道。在高使用率的情况下,越来越多的用户希望能得到良好的用户体验支持:快速、准确地召回结果,图形化的交互界面,智能完善查询语句。近几年,新事物的不断兴起使得搜索引擎用户的搜索需求日益多样化、个性化、精细化,满足这种多样精细的需求是搜索引擎的本质功能,也是识别用户真实查找意图的关键步骤。对用户检索意图的识别主要作用在两方面,一是提取特征,二是对用户查询进行分类。传统的用户查询分类方式是预先构建好类别体系,但这种方法不具备灵活性、可扩展性比较差。面对上述问题,本文的方法在可扩展性方面做出了优化,本文的研究工作旨在识别用户在搜索引擎进行检索时的真实需求,通过分析用户输入的查询语句,识别用户意图并进行查询类别判断。本文使用的数据集是搜狗实验室和360搜索的日志文件,根据用户查询语句的细分类别和附加信息构建二分图,并使用随机游走算法挖掘具体类别的实体词典和模板词典。然后本文基于Hash表加数组的Trie树结构将词典进行插入,并基于此结构设计了用户查询语句的类别识别算法。本文选取了游戏细分类目作为试验类目,评估了算法的复杂度,并通过召回率和准确率两个评价指标与其他方法进行了对比,实验结果表明本文的方法在以上两个评价指标上、可扩展方面优于其他方法。