近年来计算机技术飞速发展，各种软件系统性能大大提高，结构以及使用也变得越来越复杂。在进行用户界面设计时，虽然设计者们时刻把“以用户为中心”奉为圭臬，但是人是整个“人／机”系统中最活跃的因素，人有可能犯各种各样的错误，而这些错误是再天才的设计师也无法全部预知并预防的。要使应用软件能够面向广大非专业用户，就必须在开发系统软件主体的同时为最终用户提供各种各样可靠、详尽、智能的帮助，来降低软件使用的复杂度，以便最终用户能够更容易、更好、更快地使用软件系统。对于一些复杂的应用系统，特别是那些依赖于用户经验的系统，用户的经验知识能够为其它用户提供更有价值的帮助。 信息技术的发展对我国的高等教育产生着巨大而深远的影响，各高等院校都在大力推广计算机辅助教学(CAI)和网络教学。在网络教学实践中，我们发现：作为一个整体，学生们的知识结构、用户经验非常相似，在同一阶段的学习中，他们的提问往往集中在几个特定的主题上。而且，由于学生们在学习过程开始时对所要面对的学习任务一知半解，他们的问题往往既简短又模糊。由于学生的提问一般都是短句，而传统的TFIDF方法只有当句子所包含的词比较多时效果才好，显然，TFIDF方法并不适用于网络教学环境中文本相似性的比较。另外，虽然学生们的提问语义模糊，但我们并不需要进行复杂的语义分析就能够掌握学生所提问题的实质。这是因为学生的提问都是紧密围绕几个特定主题的，与主题相关的词汇(关键字)会重复出现。通过分析这些关键字，我们就可以掌握学生所提问题的核心。 有鉴于此，我们提出了一个基于特征词集合匹配算法的Web应用中的智能帮助模型，并随后在一个e-learning系统上做了实验。在试验中我们发现：随着问题数量的增加，帮助系统对用户问题的在线解答准确率有显著提高的，也就是说相似性判断的准确率也是显著提高了。实验结果表明：我们所设计的基于特征词集合匹配算法的Web应用中的智能帮助模型能够较好的解决网络环境下的系统帮助问题 本文的特色是： (1)文章分析了各种各样的帮助功能，以及帮助的实现过程。 (2)给出了Web环境中一种新颖的基于特征词集合匹配算法的Web应用中的智能帮助模型并在一个e-learning系统中进行了实验。