近年来，越来越多的人使用搜索引擎在因特网上查找信息。但是，目前的搜索引擎大多数还是基于关键词和倒排索引技术，这就不可避免地要面对自然语言自身存在的同义词、多义词问题，它们可能会导致用户查询词跟页面用词不一致。再者，用户的查询词一般比较短，这造成用户的查询信息严重不足。如上问题会使某些与查询相关的页面不能被搜索出来，即使被搜索出来，排列的位置也不靠前。　　针对这些问题，学者们提出了查询扩展技术。它是已经被证实了的解决如“词不匹配”、短查询的有效方法。目前的查询扩展方法主要有：基于词典的查询扩展、基于全局分析的查询扩展、基于局部分析的查询扩展、局部上下文分析方法、基于日志的查询扩展。　　本文针对局部上下文分析方法的缺陷，提出了基于日志分析的局部上下文分析方法，该方法把局部上下文分析方法应用到经过分析、过滤后的日志上，从而打破了原始局部上下文分析高度依赖于初次检索结果的局限性。　　搜索引擎的个性化服务是研究的一个热点，它力求为每个用户提供不同的服务，希望提供给用户最关心的结果。目前，获取用户兴趣知识有两大类方法：人机交互和用户记录挖掘。在本文中，把两种方法相结合。在人机交互方面，让用户选择自己感兴趣的主题；在用户记录挖掘方面，通过JavaScript脚本语言在客户端生成并保存一个记录用户以往查询的文件，当用户产生新的查询时，从该文件中获得与本次查询相似的查询词。然后把根据用户兴趣获得的词加到初始查询中，实现个性化查询扩展。　　本文在Lucene.net的基础上实现了可视化的全文搜索引擎，并实现了本文中提出的两种查询扩展方法，通过跟以往查询扩展方法进行对比，发现本文中提出的两种方法在搜索性能上有一定的提高，从而验证了本文中算法的有效性。