随着现代信息技术和网络技术的不断发展，海量的知识信息被发布到互联网上并快速地增长，如何准确有效地从互联网上寻找到所需的信息成为了信息检索领域的研究热点。当前的信息检索系统中主要使用关键词匹配技术获取信息，而用户查询词与实际的检索意图之间通常存在一定的差异，这就导致不包含用户查询词但是与用户检索意图相关的文档无法被检索出，同时很多用户输入的查询词个数比较少并且仅仅只是关心检索系统返回的前面一些结果，这些问题都会对检索系统的性能产生影响。针对以上问题，基于语义分析和局部文档的查询扩展方法通过分析概念之间的语义相似度从外部语料集和局部文档中获取扩展词来对用户的初始查询进行扩展，有效地提升了检索系统的性能。该方法从外部语料集WordNet和维基百科中抽取出语义信息用于分析概念之间的语义相似度，当用户输入查询时，首先依据概念之间的语义相似度从WordNet、维基百科和局部文档中分别获取三个扩展词集合，然后依据扩展词与集合之间的关系对扩展词的权值进行重新分配并筛选出较好的扩展词与初始查询组成扩展查询，最后使用向量空间模型对扩展查询检索得到的文档集进行排序并返回给用户。该方法使用外部语料集中的语义信息分析概念之间的语义相似度获取扩展词并发挥了已得到广泛肯定的局部分析扩展方法的优势，在提高扩展词质量的同时弥补了基于局部分析以及基于外部语料集的查询扩展方法的不足。在国际文本检索会议的标准测试集上的实验结果表明，相比于原始查询以及仅使用维基百科的查询扩展方法，基于语义分析及局部文档的查询扩展方法能够有效地提升检索系统的性能，而且随着扩展词个数的增加，检索系统性能的提升效果也比较明显。