近年来,随着互联网信息技术的不断发展,它已经成为人们获取信息最重要的途径之一。而海量、异构、复杂的网络信息的存在,使人们快速准确地获取所需信息变得更为困难。搜索引擎作为互联网信息技术的一个重要分支,可以让人们更有效地获取所需信息。虽然现有的搜索引擎已能满足用户大部分的检索需求,但仍然存在有一些问题有待优化,如由于用户未能很好地组织查询以准确表达查询需求,使查询与文档索引之间不匹配,并造成检索结果准确率低等问题。本文研究的查询扩展技术是解决该问题的有效方式之一,主要的工作包括以下四个方面:通过实验分析相关的查询扩展算法,如基于LSA、Ontology、ESA、Rocchio、Ide、Ide-dec、LCA、LA、LOCOOC、Apriori、NNLM、KLD、CHI1、CHI2等技术的查询扩展算法,并进行各个算法之间的可融合分析、加权组合设计、参数调优等工作;通过对相关查询扩展算法的研究分析,本文提出了一种基于文档重排序的混合查询扩展算法,该算法首先在用户对初次检索提供反馈信息的基础上,通过所提的策略对初检文档进行重新排序,然后使用混合的查询扩展算法对重新排序后的前n篇文档进行分析;在OHSUMED数据集上进行多组对比实验,验证了本文提出的基于文档重排序的混合查询扩展算法能有效提高检索性能,其在平均准确率MAP等指标上较一些已有查询扩展算法有一定的提高;将提出的查询扩展算法应用于已有的一些搜索引擎中,其主要基于Google和Bing开放的API实现,首先用户交互式地提供反馈信息,然后应用本文提出的方法进行查询扩展分析,最后扩展出一些词语到初始查询中自动进行二次检索。