在过去的几十年里,在线多媒体学术课件的应用取得了巨大增加,这些教育资源潜在地改变着人们的学习方式,而且随着文本检索技术和语音识别技术的日益成熟,如何更有效地在这些多媒体课件中找到感兴趣的资源也得到了研究者们的广泛关注。从国内外目前的研究工作来看,多媒体课件的检索还是处于起步阶段,大部分工作都是基于语音识别技术,通过挖掘语音文件中的音频内容来获得更多的有用信息,并尝试将一些文本检索的方法结合进来,从而提高检索性能。本次课题系统地讨论了语音检索过程中所要解决的主要问题,并提出了一些相应有效的算法,最后通过实验来对算法进行分析。具体工作如下:1)研究并对比当前针对语音文档检索的主要方法和关键技术,并分析了在语音检索过程中所要处理的主要问题。2)重点讨论了在语音文档检索中,语言模型和词表自适应的相关技术,并提出了一个基于n-gram上下文的语言模型自适应算法,为了减少不在词表中的词,本文提出了一个二级词表的策略,同时提出了一个新词发现的方法。3)结合索引点的时序位置,提出了一个基于后验概率的音频索引建立方法;并针对查询方式的不同,利用向量模型提出了两种相关性判断准则;为了处理词的OOV问题,提出了后验概率的子词索引表示,并利用基于词和子词的级联索引,提高检索性能;最后,又提出了两个音频索引的剪枝算法,用来去除索引中的冗余。4)基于HTK开发工具包,实现本文提出的语音文档检索模型,并通过大量的实验来对模型的每个过程进行分析。