近年来,微博已经成为一种混合了社交网站的属性及大众媒体的作用的新型网络应用,在热点新闻和各类信息发布中的重要性愈发显现,并深刻影响着社会舆论的走向。面对数以千万计的、实时更新的微博数据,用户需要一种方便快捷的方式获取信息。因此微博短文本语料下的信息检索需求日益突出。查询扩展作为信息检索领域的关键技术,对于查询结果的优化具有非常重要的作用。本文主要内容包括：提出了一种基于Bayes-LDA模型的微博语料建模方法,该模型能够在保证建模质量的基础上对微博短文本的完整建模；设计了一种基于主题模型的短文本查询扩展算法,其核心是将Bayes-LDA的建模结果应用于特征词的生成与选择、查询结果重排序等操作,从而提高短文本查询的效果；本文的最后介绍了实际项目中的一个海量数据实时处理系统,并详细描述了系统中本人负责设计实现的模块,即基于Map-Reduce思想的分布式流处理框架,以及综合数据库和搜索引擎特性的存储检索方案。